Question

我本周开始使用numpy，并且非常困惑。看起来与普通的python函数非常不同。

对于数组，形状为1000X6，有没有办法在数组中逐行进行检查，例如检查等边三角形。我有6列，因此每行有三元组，每个点有2个整数。

import numpy as np
pnts = np.random.randint(0,50,(1000, 6))

我还认为创建3个这样的数组可能会更好：

import numpy as np
A = np.random.random((10,2))
B = np.random.random((10,2))
C = np.random.random((10,2))

创建有序对，然后使用算法查找三角形。

有没有更好的方法来创建一个代表1000对有序对的数组，如何在该数组中找到三角形，例如等边三角形。

我现在做了一些改变。我为x坐标和y坐标制作了两个数组。

x = np.random.randint(0,10,(3,1000))
y = np.random.randint(0,10,(3,1000))

#############添加到问题#############

我的算法采用每个匹配的x和y坐标，找到每个三角形的边长和角度。我会发布，但它的代码太多了。而且现在我还有使用角度和边长来找到Scalene，Equilateral，Right Isoceles和Non-right Isoceles的函数。

我的问题现在更多与索引相关。我将再次使用等边三角形作为例子，因为这是我们一直在使用的。

E = np.column_stack((ACXY,ABXY,CBXY))
ES = np.logical_and(E[:,0] == E[:,1], E[:,1] == E[:,2])

我有这个找到等边三角形。

- ACXY = the distance from point A to C
- ABXY = the distance from point A to B
- CBXY = the distance from point C to B

我希望能够获取等边三角形的所有坐标三元组，将它们编入索引并将它们放入一个名为E_Tri的新数组中。我不认为我需要创建布尔值的函数。我认为也许If：else：语句可能是更好的方法。

这也有帮助，我会显示E = np.column_stack((ACXY,ABXY,CBXY)) 帮助理解（E）的数组。

[[  4.           4.47213595   7.21110255]
 [  3.60555128   2.23606798   5.83095189]
 [  2.23606798   9.05538514   8.54400375]
 ..., 
 [  3.60555128   9.05538514   6.08276253]
 [  8.94427191   8.54400375   1.        ]
 [ 10.63014581   1.          10.        ]]

E会是这样的。希望这是有道理的，如果不是，请告诉我。

也许这样的东西，即使这不会只是增加问题。

E = np.column_stack((ACXY,ABXY,CBXY))
equilateral = [] 
def E_Tri(E):
    if E[:,0] == E[:,1] and E[:,1] == E[:,2]:
        equilateral.append(E_Tri)
    else:
        return E

Answer 1

您已经很好地描述了如何存储数据，但没有描述算法的含义。例如，如果我们想回答“这是三个（x，y）点P1..P3是等边三角形的问题”，我们可以用这样的方式来表达：

dist(P1,P2) == dist(P2,P3) == dist(P3,P1)

dist(P1,P2)使用毕达哥拉斯定理的地方：

sqrt((P1.x - P2.x)**2 + (P1.y - P2.y)**2)

但请注意sqrt()是不必要的，因为我们关心的是所有三条腿的长度是否相等（如果它们相同，它们的方格也相等）。

在NumPy中，我们希望以可并行的方式完成所有工作。因此，如果您有一个代表1000个三角形的1000x6数组，则需要一次对1000个元素执行所有操作。如果数组名为A，其列为：

P1.x, P1.y, P2.x, P2.y, P3.x, P3.y

然后第一个操作是：

A[0] - A[2] # P1.x - P2.x
A[1] - A[3] # P1.y - P2.y
A[2] - A[4]
A[3] - A[5]
A[4] - A[0]
A[5] - A[1]

可以更简洁地写出：

R = A - np.roll(A, -2, axis=0) # 1000x6 array of all differences

完成后，您可以同时对所有这些1000x6结果进行平方，为我们提供一个1000x6数组R，我们从中添加x和y对以获得距离的平方：

R[0] + R[1] # (P1.x - P2.x)**2 + (P1.y - P2.y)**2
R[2] + R[3]
R[4] + R[5]

这就是说：

S = R[0::2] + R[1::2] # three column-wise additions at once

这为我们提供了1000x3的距离正方形数组S.现在我们只检查每一行的列是否相等：

np.logical_and(S[0] == S[1], S[1] == S[2])

这给了我们1000x1的布尔向量，它告诉我们每行是否是等边三角形。

请注意，我们从未以迭代方式逐行进行。这是因为在NumPy中这样做比在逐列操作中慢得多。

请注意，我已经写了上面的内容，假设当我说(6,1000)时，数组的形状实际上是1000x6。这是为了方便表示法（A[0]而不是A[:,0]），并且因为当我们对列进行操作时它更有效，因为NumPy默认使用行主要顺序。如果需要，您可以np.transpose()输入数据。

所以最后它只是：

A = pnts.T
R = np.square(A - np.roll(A, -2, axis=0))
S = R[0::2] + R[1::2] # 1000x3 squares of distances
np.logical_and(S[0] == S[1], S[1] == S[2]) # 1000 True/False results

我正在使用随机生成的有序对的numpy数组，我需要确定有序对是否是不同类型的三角形

1 个答案: