在Python中获取位于半径R和中心C的球体内的所有点

Question

问题：查找位于具有中心C和半径R的球体内的所有点

例如，找到下面的图片，这解释了简单2D案例的问题。每个点的标签（N）和坐标（x，y）是已知的。我需要找到位于红圈内的所有点标签

此处附有包含7.25 M点坐标的示例输入文件point file。

我尝试了下面这段代码

import numpy as np

C = [50,50,50]

R = 20 

centroid = np.loadtxt('centroid') #chk the file attached

def dist(x,y): return sum([(xi-yi)**2 for xi, yi in zip(x,y)])

elabels=[i+1 for i in range(len(centroid)) if dist(C,centroid[i])<=R**2]

有什么建议让它更快？

谢谢， Prithivi

Answer 1

不，没有内置功能来执行此操作。但是，有一些结构可以使搜索语法简洁。还有几何包，包括您可能会觉得有用的 Point 数据类型，以及支持距离函数。

如果没有看到你选择的设置代码，我能提供的就是这样：

neighbours = [point for point in point_list if dist(C, point) < R]

采用这种结构的另一种方法是在点列表中使用过滤器方法;你会注意到结构上的相似之处。

对评论的回应

编辑问题中是否显示了设置：点是否经常间隔？在这种情况下，完全删除列表 C ，只需使用几个参数计算邻居。如果这些点是随意分布的，那么你可以通过构建每个点的近邻图来获得一些加速。然后，您可以使用基于距离的图遍历算法，比每次进行邻域搜索更快地收集附近的点。

简单的插入

当您阅读每个点时，请根据图表中的现有点进行检查，随时随地构建邻域。最重要的是，使用三角不等式作为武器。例如，如果当前点 x 与 a 点相比至少为2 * m个单位，那么 a 中的 no 点的邻居可能在 x 的附近。

如果您愿意，还可以在图表中的区域之间保留一些长途链接。这可以让您从搜索中消除更远的邻域。一般来说，如果你计算d（a，x）为 q 而d（a，b）为 r ，那么

|q-r| <= d(x,b) <= q+r

如果此范围不包括2 * m，那么您可以同样消除 b 的整个社区。