我的程序生成以下列表(摘录):
my_list = [{'x': 1764, 'y': 18320, 'class': 'note', 'id': 'd1e2443'},
{'x': 1764, 'y': 20030, 'class': 'note', 'id': 'd1e2591'},
{'x': 1807, 'y': 12650, 'class': 'note', 'id': 'd1e1362'},
{'x': 2243, 'y': 20120, 'class': 'note', 'id': 'd1e2609'},
{'x': 2243, 'y': 22685, 'class': 'note', 'id': 'd1e2769'},
{'x': 2257, 'y': 12560, 'class': 'note', 'id': 'd1e1380'},
{'x': 2688, 'y': 20210, 'class': 'note', 'id': 'd1e2625'},
{'x': 2707, 'y': 10040, 'class': 'note', 'id': 'd1e1194'},
{'x': 2707, 'y': 12650, 'class': 'note', 'id': 'd1e1398'},
{'x': 2707, 'y': 14720, 'class': 'note', 'id': 'd1e1571'},
{'x': 2901, 'y': 18140, 'class': 'note', 'id': 'd1e2475'}]
它已按' x' -key的值排序。我正在尝试编写一个方法,该方法返回给定坐标(xPos, yPos)
的此列表的两个元素的元组:
x <= xPos
)x > xPos
)距离只是欧几里德距离(&#34;毕达哥拉斯&#34;)。该函数的第二个参数是允许的最大距离:
def getNearest(noteList, posX, posY, maxDistance):
[...]
return leftElement, rightElement
我尝试使用bisect函数来获取最接近xPos
元素的插入点以及xPos - maxDistance
(case&#39; left&#39;)和{{1 (case&#39; right)分别缩小搜索范围。然后我计算了这个切片列表中每个剩余元素的距离
不知何故,这感觉非常不优雅。有没有更好的方法呢?
修改 也许我的意图并不是很清楚:我需要列表中的两个元素。 “2D”窗格中最近的元素&#39;在左边,一个在右边。因此我也需要考虑y坐标。
可能会发生(几乎每次都是),与x坐标相关的最接近的元素比具有近y坐标的元素更远。
答案 0 :(得分:1)
这似乎是一个很好的解决方案,但从你描述它的方式来看,我认为不需要做一个以上的二等分。
bisect_left
已经返回元素的索引,以满足您的第一个条件(x <= xPos - maxDistance
)。从那里开始,我只需逐个向右迭代元素,直到达到x > xPos + maxDistance
。
考虑到CPU缓存,这可能会产生更好的性能,因为您需要iterating adjacent positions instead of jumping around
如果你开始处理大量的点或maxDistance
,这个算法可能就不够了。在这种情况下,你应该考虑使用kd-tree,正如wenzul建议的那样。
答案 1 :(得分:1)
您可以使用min()
查找posX
两侧最近的元素,就其欧几里德距离而言。
>>>import math
>>>def getNearest(noteList, posX, posY):
... leftElement = min([i for i in my_list if i['x'] <= posX], key=lambda x:abs(math.sqrt((x['x']- posX)**2+(x['y']- posY)**2)))
... rightElement = min([i for i in my_list if i['x'] > posX], key=lambda x:abs(math.sqrt((x['x']- posX)**2+(x['y']- posY)**2)))
... return (leftElement, rightElement)
>>> getNearest(my_list, 2000, 2000)
({'y': 12650, 'x': 1807, 'class': 'note', 'id': 'd1e1362'}, {'y': 10040, 'x': 2707, 'class': 'note', 'id': 'd1e1194'})
>>> getNearest(my_list, 2000, 20000)
({'y': 20030, 'x': 1764, 'class': 'note', 'id': 'd1e2591'}, {'y': 20120, 'x': 2243, 'class': 'note', 'id': 'd1e2609'})
Key
是2D窗格上每个元素与传递给函数的元素之间的欧几里德距离,即(posX, PosY)
。
答案 2 :(得分:0)
我试图将我最初的想法与答案中的一些建议合并。这就是我想出的:
class translatedDictList(object):
def __init__(self, dictList, key):
self.dictList = dictList
self.key = key
def __getitem__(self, item):
return self.dictList[item][self.key]
def __len__(self):
return self.dictList.__len__()
def getNearest(self, symbolList, pos, maxDistance):
translatedList = translatedDictList(symbolList, 'x')
splitIndex = bisect.bisect(translatedList, pos[0])
minIndex = bisect.bisect(translatedList, pos[0] - maxDistance)
maxIndex = bisect.bisect(translatedList, pos[0] + maxDistance)
# Euclidean distance acutally not needed anymore!
leftElement = min(symbolList[minIndex:splitIndex],
key=lambda n: abs(n['x'] - pos[0]) +
abs(n['y'] - pos[1]))
rightElement = min(symbolList[splitIndex:maxIndex],
key=lambda n: abs(n['x'] - pos[0]) +
abs(n['y'] - pos[1]))
return leftElement, rightElement
print(getNearest(self.symbolsSorted, (1200, 1500), 1000))
也许有一种更智能的方式来翻译symbolList
以便使用bisect()
?
它应该是o(log*n)
并且据我所知,我甚至不需要再计算欧氏距离,因为我只是比较并且对实际距离不感兴趣。