Question

因此，假设我在A中有10,000个点，在B中有10,000个点，并希望找出每个B点中A中最接近的点。

目前，我只是循环遍历B和A中的每个点，以找出哪一个距离最近。即

B = [(.5, 1, 1), (1, .1, 1), (1, 1, .2)]
A = [(1, 1, .3), (1, 0, 1), (.4, 1, 1)]
C = {}
for bp in B:
   closestDist = -1
   for ap in A:
      dist = sum(((bp[0]-ap[0])**2, (bp[1]-ap[1])**2, (bp[2]-ap[2])**2))
      if(closestDist > dist or closestDist == -1):
         C[bp] = ap
         closestDist = dist
print C

但是，我确信有更快的方法可以做到这一点......任何想法？

Answer 1

在这种情况下，我通常使用kd-tree。

有一个C++ implementation wrapped with SWIG and bundled with BioPython易于使用。

Answer 2

您可以使用一些空间查找结构。一个简单的选项是octree;更高级的包括BSP tree。

Answer 3

你可以使用numpy广播。例如，

from numpy import *
import numpy as np

a=array(A)
b=array(B)
#using looping
for i in b:
    print sum((a-i)**2,1).argmin()

将打印2,1,0，它们分别是最接近1,2,3行的行。

否则，您可以使用广播：

z = sum((a[:,:, np.newaxis] - b)**2,1)
z.argmin(1) # gives array([2, 1, 0])

我希望有所帮助。

在Python中找到3D中给定点的最近点的最快方法

3 个答案: