Question

我在python中有一组数据：

x y angle

如果我想计算具有所有可能值的两点之间的距离，并用两个角度之差绘制距离。

x, y, a = np.loadtxt('w51e2-pa-2pk.log', unpack=True)
n = 0
f=(((x[n])-x[n+1:])**2+((y[n])-y[n+1:])**2)**0.5
d = a[n]-a[n+1:]
plt.scatter(f,d)

我的数据中有255个点。

f是距离，d是两个角度之间的差异。我的问题是，我可以设置n = [1,2,3,.....255]并再次进行计算，以获得所有可能对的f和d吗？

Answer 1

您可以通过broadcasting获取成对距离，将其视为二维向量数组的外部操作，如下所示：

vecs = np.stack((x, y)).T
np.linalg.norm(vecs[np.newaxis, :] - vecs[:, np.newaxis], axis=2)

例如，

In [1]: import numpy as np
   ...: x = np.array([1, 2, 3])
   ...: y = np.array([3, 4, 6])
   ...: vecs = np.stack((x, y)).T
   ...: np.linalg.norm(vecs[np.newaxis, :] - vecs[:, np.newaxis], axis=2)
   ...: 
Out[1]: 
array([[ 0.        ,  1.41421356,  3.60555128],
       [ 1.41421356,  0.        ,  2.23606798],
       [ 3.60555128,  2.23606798,  0.        ]])

这里，（ i ， j ）'条目是 i '和 j之间的距离'th vectors。

角度之间成对差异的情况类似，但更简单，因为您只有一个维度可以处理：

In [2]: a = np.array([10, 12, 15])
   ...: a[np.newaxis, :] - a[: , np.newaxis]
   ...: 
Out[2]: 
array([[ 0,  2,  5],
       [-2,  0,  3],
       [-5, -3,  0]])

此外，plt.scatter并不关心结果是作为矩阵给出的，并且使用问题的符号将所有内容放在一起，您可以通过执行类似

之类的操作来获取角度图。

vecs = np.stack((x, y)).T
f = np.linalg.norm(vecs[np.newaxis, :] - vecs[:, np.newaxis], axis=2)
d = angle[np.newaxis, :] - angle[: , np.newaxis]
plt.scatter(f, d)

Answer 2

您必须使用for循环并range()迭代n，例如像这样：

n = len(x)

for i in range(n):
    # do something with the current index
    # e.g. print the points 
    print x[i]
    print y[i]

但请注意，如果您在最后一次迭代中使用i+1，那么这已经不在您的列表中了。

同样在你的计算中也有错误。 (x[n])-x[n+1:]不起作用，因为x[n]是列表中的单个值，而x[n+1:]是从n+1元素开始的列表。您无法从int或其他任何内容中减去列表。

也许你甚至不得不使用两个嵌套循环来做你想要的。我想你想计算每个点之间的距离，所以二维数组可能是你想要的数据结构。

Answer 3

如果您对x和y中各点的所有组合感兴趣，我建议使用itertools，这将为您提供所有可能的组合。然后你可以这样做：

import itertools

f = [((x[i]-x[j])**2 + (y[i]-y[j])**2)**0.5 for i,j in  itertools.product(255,255) if i!=j]
# and similar for the angles

但也许有更简单的方法......

如何绘制二维向量的成对距离？

3 个答案: