计算python中某些点的最近距离

Question

我有一个如下图所示的数据集，每个样本都有 x 和 y 值以及相应的结果

Sr. X  Y  Resut   
 1  2  12 Positive
 2  4   3 positive
....

可视化

网格大小为 12 * 8

如何计算每个样本与红点（正点）的最近距离？

红色 = 正， 蓝色 = 负

Sr. X  Y  Result   Nearest-distance-red 
1  2  23 Positive  ?
2  4   3 Negative  ?
....

数据集

Answer 1

scipy 的 cKDTree 可以为您计算该距离。沿着这些路线的东西应该可以工作：

df['Distance_To_Red'] = cKDTree(coordinates_of_red_points).query((df['x'], df['y']), k=1)

Answer 2

如果有样本数据就容易多了，下次一定要包含。

我生成随机数据

const Transport = require('../models/transport');
const fs = require('fs');
const { Model } = require('sequelize');

exports.getAllTransports = (req, res, next) => {
        Transport.findAll({})
    .then(transports => res.status(200).jsons(transports))
    .catch(error => res.status(400).json({ error }));
};

import numpy as np
import pandas as pd
import sklearn


x = np.linspace(1,50)
y = np.linspace(1,50)

GRID = np.meshgrid(x,y)
grid_colors = 1* ( np.random.random(GRID[0].size) > .8 )

BallTree（或 KDTree）可以创建一棵树来查询

sample_data = pd.DataFrame( {'X': GRID[0].flatten(), 'Y':GRID[1].flatten(), 'grid_color' : grid_colors})

sample_data.plot.scatter(x="X",y='Y', c='grid_color', colormap='bwr', figsize=(10,10))

并与

一起使用

from sklearn.neighbors import BallTree 

red_points = sample_data[sample_data.grid_color == 1]
blue_points = sample_data[sample_data.grid_color != 1]

tree = BallTree(red_points[['X','Y']], leaf_size=15, metric='minkowski')

现在将其添加到 DataFrame

distance, index = tree.query(sample_data[['X','Y']], k=1)

给出

sample_data['nearest_point_distance'] = distance
sample_data['nearest_point_X'] = red_points.X.values[index]
sample_data['nearest_point_Y'] = red_points.Y.values[index]

---

修改有红点不自己找；

找到最近的 X Y grid_color nearest_point_distance nearest_point_X \ 0 1.0 1.0 0 2.0 3.0 1 2.0 1.0 0 1.0 3.0 2 3.0 1.0 1 0.0 3.0 3 4.0 1.0 0 1.0 3.0 4 5.0 1.0 1 0.0 5.0 nearest_point_Y 0 1.0 1 1.0 2 1.0 3 1.0 4 1.0 而不是 k=2;

k=1

并且，在 distance, index = tree.query(sample_data[['X','Y']], k=2) 索引的帮助下，使红点使用第二个而不是第一个找到的；

numpy

输出类型相同，但由于随机性，与之前制作的图片不一致。