Question

注意：aqueiros的answer虽然投票结果较高，但不正确。特别是这个语句＆＃34; vor.regions在第一个索引中总是有一个空数组＆＃34;，不是真的。

我使用scipy.spatial.Voronoi函数生成简单的2D Voronoi曲面细分。我使用点的随机2D分布（参见下面的MCVE）。

我需要一种方法来遍历每个定义的区域（由scipy.spatial.Voronoi定义）并获取与其关联的点的坐标（即：所述区域包含的点）。

问题在于为N+1点定义了N个区域（多边形），我不确定这意味着什么。

这是一个MCVE，当它到达最后一个区域时会失败：

from scipy.spatial import Voronoi
import numpy as np

# Generate random data.
N = 10
x = [np.random.random() for i in xrange(N)]
y = [np.random.random() for i in xrange(N)]
points = zip(x, y)

# Obtain Voronoi regions.
vor = Voronoi(points)

# Loop through each defined region/polygon
for i, reg in enumerate(vor.regions):

    print 'Region:', i
    print 'Indices of vertices of Voronoi region:', reg
    print 'Associated point:', points[i], '\n'

我不明白的另一件事是为什么存有空vor.regions？根据文件：

区域：形成每个Voronoi区域的Voronoi顶点的指数。 -1表示Voronoi图外的顶点。

空区域是什么意思？

添加

我尝试了point_region属性，但显然我不明白它是如何工作的。它返回points列表范围之外的索引。例如：在上面的MCVE中，对于10个点的列表，它总是显示索引10，这显然超出了范围。

Answer 1

关于你的第一个问题：

问题在于为N个点定义了N + 1个区域（多边形），我不确定这意味着什么。

这是因为你的vor.regions总是有一个空数组。像

这样的东西

    [[],[0, 0],[0, 1],[1, 1]]

这与你的第二个问题有关：

我不明白的另一件事是为什么存有空的vor.regions？根据文档：区域：形成每个Voronoi区域的Voronoi顶点的指数。 -1表示Voronoi图外的顶点。 空区域是什么意思？

默认情况下，Voronoi（）使用QHull并启用选项'Qbb Qc Qz Qx'（qhull.org/html/qvoronoi.htm）。这会插入一个“无穷远点”，用于提高圆形输入的精度。因此，作为一个“假”点，它没有区域。如果你想摆脱这个，尝试删除Qz选项：

vor = Voronoi(points, qhull_options='Qbb Qc Qx')

Answer 2

我误读了文档。它说：

point_region：每个输入点的 Voronoi区域的索引 。

我正在使用point_region，就好像它是每个 Voronoi区域的输入点的<＆34; 索引 < / EM>＆＃34;

而不是使用：

points[i]

每个区域的正确点坐标可以通过以下方式获得：

np.where(vor.point_region == i)[0][0]

获取与Voronoi地区相关的点（scipy.spatial.Voronoi）

2 个答案: