Question

我有一个字符，其坐标为键。它们默认为3维，如dictionary[(x,y,z)]=values，但可能在任何维度，因此代码不能硬编码为3。

我需要找到新坐标的某个半径内是否还有其他值，理想情况下我需要这样做，而不必导入任何插件，如numpy。

我最初的想法是将输入分成一个立方体并检查没有点匹配，但显然这仅限于整数坐标，并且会以指数方式增长（半径为5将需要729倍处理），并且使用我的初始代码至少花一分钟来获得相对较小的价值，我真的无法承受这一点。

我听说找到最近的邻居可能是最好的方法，理想情况下，减少用于+一定范围的键 - 一定数量会很好，但我不知道你是怎么做的更多的是使用的一点。
这就是我如何用我目前的知识来做到这一点：

dimensions = 3
minimumDistance = 0.9

#example dictionary + input
dictionary[(0,0,0)]=[]
dictionary[(0,0,1)]=[]
keyToAdd = [0,1,1]

closestMatch = 2**1000
tooClose = False

for keys in dictionary:

    #calculate distance to new point
    originalCoordinates = str(split( dictionary[keys], "," ) ).replace("(","").replace(")","")
    for i in range(dimensions):
        distanceToPoint = #do pythagors with originalCoordinates and keyToAdd

    #if you want the overall closest match
    if distanceToPoint < closestMatch:
        closestMatch = distanceToPoint

    #if you want to just check it's not within that radius
    if distanceToPoint < minimumDistance:
        tooClose = True
        break

但是，以这种方式执行计算可能仍然会非常慢（它必须对数百万个值执行此操作）。我已经搜索了这个问题，但大多数人似乎都有更简单的数据集来实现这一目标。如果有人可以提供任何提示，我将不胜感激。

Answer 1

您说您需要确定在特定点的给定半径内是否存在任何键。因此，您只需要扫描按键，计算每个按键的距离，直到找到指定半径范围内的按键。（如果你对半径的 square 进行比较，你可以避免实际距离所需的平方根。）

一个优化方法是根据他们的＆＃34;曼哈顿距离＆＃34;对键进行排序。从这一点（即添加组件偏移），因为欧几里德距离永远不会小于此。这可以避免一些更昂贵的计算（虽然我认为你不需要和三角学）。

如果你在问题的后面提出建议，你需要处理多个点，你可以显然单独处理每个点，或者你可以找到这些点的中心并根据它进行排序。

获取范围内的键/从存储为元组的字典键中查找最近邻

1 个答案: