本文介绍了一种快速计算三维点阵间最小距离的方法的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我想知道是否有快速方法来计算3D数值数组(A [N,3])的所有点到第二个3D数值数组(B [M,3])的所有点之间的欧几里得距离。
然后我应该得到一个数组C，它将是[N, M]数组的点到数组的点B的所有距离，然后使用np.min()沿指定的轴获得从集合的点到集合的点B的所有最小距离。
到目前为止，我就是这样实现的：
distances = np.repeat(9999, len(A))
for i, point in enumerate(A):
min_distance = np.min(np.sqrt(np.sum(np.square(point - B), axis=1)))
distances[i] = min_distance
有什么方法可以消除for循环...？
提前感谢：)
推荐答案
import numpy as np
# arrays with xyz coordinates of all points
a = np.asarray([[xa1,ya1,za1],...,[xan,yan,zan]])
b = np.asarray([[xb1,yb1,zb1],...,[xbn,ybn,zbn]])
# reshaping to be able to calculate the distance matrix
a_reshaped = a.reshape(a.shape[0], 1, 3)
b_reshaped = b.reshape(1, b.shape[0], 3)
"""calculation of all distances between all points - creates a
len(a) x len(b) matrix"""
distance = np.sqrt(np.sum((a_reshaped - b_reshaped)**2, axis=2))
这篇关于一种快速计算三维点阵间最小距离的方法的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！