我有两个三维点数组，我需要一个函数来告诉我一个数组到下一个数组之间的最小距离。
我尝试使用np.linalg.norm来计算曲线上一个点与另一个曲线上每个点之间的距离，然后取最小值，但运行时间非常长，而且＆＃ 39;不是很优雅。
结果，我试图将n次多项式拟合到两个数组并将它们转换为多项式函数。
此处the link to the polynomial fit
这里[指向rawdata的链接]（
https://storage.googleapis.com/pythonstackflowquestion/TestData.csv）
列WB标记单独的数组。
我希望得到这样的功能
def间距（WB1，WB2） return（间距）
其中WB1是n乘3阵列，WB2是z乘3阵列，间距是n乘1阵列。
如果我要说间距（WB2，WB1）
然后我希望将间距作为m乘1的数组。
答案 0 :(得分：0)
根据你所说的我推断你是拟合三次多项式（在3D中）并且想要最小化两个立方弧之间的距离。
如果参数方程分别为P(u)和Q(v)，您希望最小化|P(u)-Q(u)|²，这是u和v中度数为6的多项式。要在单位平方中最小化它，您需要考虑角点（离散值），沿边缘（1D最小化）和域内（2D最小化）的值。
2D最小化问题是最难的。它需要确定系统的解决方案
P'(u).(P(u) - Q(v) = 0
Q'(v).(P(u) - Q(v) = 0
（其中.是点积）。
这是一个令人不安的数值问题，与直接解决两个点集上的初始问题相比，我认为没有真正的好处。
我建议使用最近邻搜索加速器（如kD树）组织一条曲线的点，并计算到第二条曲线的所有点的最短距离。通过使用加速设备，可以将复杂度从O（N²）降低到大约O（N Log N）。
在计算几何中，在点集中找到最近邻居对的问题是众所周知的，并且在时间O（N Log N）中的最坏情况最优解是经典的。
在你的情况下，你正在寻找最接近的一对，成员在两个不同的子集中。在计算几何中，这可能被称为“最接近的红黑点对”问题或类似问题。我找不到它的痕迹。