Question

我需要一个很好的解决方案来总结成对的2d向量。

我想对point1和point2，point2和point3之间的距离求和...所以必须对所有对（取决于点的数量）完成

a = np.array([[1, 1],[0, 0],[7, 9]])
permutations = [((1, 1), (0, 0), (7, 9)), ((1, 1), (7, 9), (0, 0)), ((0, 0), (1, 1), (7, 9))] ....

现在，在创建所有可能的排列之后，我想对距离求和，以便指定总体上最短的顺序。要获得到点之间的距离，我使用：

    def calcDistance(a, b):
        d = np.linalg.norm(a-b)
        return d

但是我不知道如何将其应用于列表中以获取每对点的距离。我尝试使用for循环和切片。

for i in range(0, len(permutations), 3):
    print(permutations[i:i+3])

作为一个测试它有效，但是我不知道如何在列表中的每对上应用calc函数并将其求和再求和以获得总距离。排列都存储在一个列表中，所以我的想法是每次迭代遍历n个元素（点/向量的数量）。

Answer 1

对于3点数组来说不太好用，但是einsum计算对于计算长度/距离很有用。在这种情况下，只需使用输入坐标序列和以前建议的创建点单的方式

import itertools

a = np.array([[1, 1],[0, 0],[7, 9]])

p0 = np.asarray(list(itertools.permutations(a, 3)))

def _cal(a):
    """Perform the calculation, mini-e_leng."""
    diff = a[:-1] - a[1:]
    return np.nansum(np.sqrt(np.einsum('ij,ij->i', diff, diff)))

[_cal(i) for i in p0]
 [12.815967813364475,
 21.40175425099138,
 11.414213562373096,
 21.40175425099138,
 11.414213562373096,
 12.815967813364475]

Answer 2

您可以使用max查找每个相邻成员对中差异最大的一个。另外，您可以使用itertools生成排列：

import itertools
import numpy as np

a = [(1, 1),(0, 0),(7, 9)]
permutations = tuple(itertools.combinations(a,3))
print(permutations)

def calcDistance(a, b):
        d = np.linalg.norm(np.asarray(a)-np.asarray(b))
        return d

most_dist_permutation = max(permutations, key=lambda x:calcDistance(*x[0:2])+calcDistance(*x[1:3]))
print(most_dist_permutation)

(((1, 1), (0, 0), (7, 9)), ((1, 1), (7, 9), (0, 0)), ((0, 0), (1, 1), (7, 9)), ((0, 0), (7, 9), (1, 1)), ((7, 9), (1, 1), (0, 0)), ((7, 9), (0, 0), (1, 1)))
((1, 1), (7, 9), (0, 0))

如何汇总列表中的二维数组对

3 个答案: