根据与点的距离过滤坐标 [英] Filtering coordinates based on distance from a point

问题描述

我有两个数组说:

A = np.array([[ 1.  ,  1.  ,  0.5 ],
              [ 2.  ,  2.  ,  0.7 ],
              [ 3.  ,  4.  ,  1.2 ],
              [ 4.  ,  3.  ,  2.33],
              [ 1.  ,  2.  ,  0.5 ],
              [ 6.  ,  5.  ,  0.3 ],
              [ 4.  ,  5.  ,  1.2 ],
              [ 5.  ,  5.  ,  1.5 ]])

B = np.array([2,1])

我想找到 A 的所有值，这些值不在 B 的半径 2 之内.

I would want to find all values of A which are not within a radius of 2 from B.

我的答案应该是:

C = [[3,4,1.2],[4,3,2.33],[6,5,0.3],[4,5,1.2],[5,5,1.5]]

有没有pythonic的方法来做到这一点?

Is there a pythonic way to do this?

我尝试过的是:

radius = 2
C.append(np.extract((cdist(A[:, :2], B[np.newaxis]) > radius), A))

但是我意识到 np.extract 会压平 A 并且我没有得到预期的结果.

But I realized that np.extract flattens A and i dont get what i is expected.

推荐答案

让 R 成为这里的半径.如下文所述，我们几乎没有办法解决它.

Let R be the radius here. We would have few methods to solve it, as discussed next.

方法 1: 使用 cdist -

from scipy.spatial.distance import cdist

A[(cdist(A[:,:2],B[None]) > R).ravel()]

方法 #2: 使用 np.einsum -

d = A[:,:2] - B
out = A[np.einsum('ij,ij->i', d,d) > R**2]

方法 #3: 使用 np.linalg.norm -

A[np.linalg.norm(A[:,:2] - B, axis=1) > R]

方法 #4: 使用 matrix-multiplication 和 np.dot -

Approach #4 : Using matrix-multiplication with np.dot -

A[(A[:,:2]**2).sum(1) + (B**2).sum() - 2*A[:,:2].dot(B) > R**2]

方法 #5: 结合使用 einsum 和 matrix-multiplication -

Approach #5 : Using a combination of einsum and matrix-multiplication -

A[np.einsum('ij,ij->i',A[:,:2],A[:,:2]) + B.dot(B) - 2*A[:,:2].dot(B) > R**2]

方法#6:使用广播 -

A[((A[:,:2] - B)**2).sum(1) > R**2]

因此，要获得半径 R 内的点，只需将上述解决方案中的 > 替换为 <.

Hence, to get the points within radius R simply replace > with < in the above mentioned solutions.

这篇关于根据与点的距离过滤坐标的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！