座標を3つの異なる配列（xa、ya、za）に格納したポイントセットがあります。ここで、この点セット（xa [0]、ya [0]、za [0]など）の各点と別の点セット（xb、yb、zb）のすべての点との間のユークリッド距離を計算します。 ）そして毎回最小距離を新しい配列に保存します。
xa.shape =（11、）、ya.shape =（11、）、za.shape =（11、）としましょう。それぞれ、xb.shape =（13、）、yb.shape =（13、）、zb.shape =（13、）。私がやりたいのは、毎回1つのxa []、ya []、za []を取り、xb、yb、zbのすべての要素との距離を計算し、最後に最小値をxfinalに格納することです。 shape =（11、）配列。
これはnumpyで可能だと思いますか？
別の解決策は、scipyの空間モジュール、特にKDTreeを使用することです。
このクラスは一連のデータから学習し、新しいデータセットを指定して問い合わせることができます。
from scipy.spatial import KDTree
# create some fake data
x = arange(20)
y = rand(20)
z = x**2
# put them togheter, should have a form [n_points, n_dimension]
data = np.vstack([x, y, z]).T
# create the KDTree
kd = KDTree(data)
これで、ポイントがある場合は、次の手順を実行するだけで、クローゼットポイント（またはN個の最も近いポイント）の距離とインデックスを尋ねることができます。
kd.query([1, 2, 3])
# (1.8650720813822905, 2)
# your may differs
または、位置の配列が与えられた場合：
#bogus position
x2 = rand(20)*20
y2 = rand(20)*20
z2 = rand(20)*20
# join them togheter as the input
data2 = np.vstack([x2, y2, z2]).T
#query them
kd.query(data2)
#(array([ 14.96118553, 9.15924813, 16.08269197, 21.50037074,
# 18.14665096, 13.81840533, 17.464429 , 13.29368755,
# 20.22427196, 9.95286671, 5.326888 , 17.00112683,
# 3.66931946, 20.370496 , 13.4808055 , 11.92078034,
# 5.58668204, 20.20004206, 5.41354322, 4.25145521]),
#array([4, 3, 2, 4, 2, 2, 4, 2, 3, 3, 2, 3, 4, 4, 3, 3, 3, 4, 4, 4]))
を使用して、各xaから各xbへの差を計算できますnp.subtract.outer(xa, xb)。最も近いxbまでの距離は次の式で与えられます。
np.min(np.abs(np.subtract.outer(xa, xb)), axis=1)
これを3Dに拡張するには、
distances = np.sqrt(np.subtract.outer(xa, xb)**2 + \
np.subtract.outer(ya, yb)**2 + np.subtract.outer(za, zb)**2)
distance_to_nearest = np.min(distances, axis=1)
どのbポイントが最も近いかを実際に知りたい場合はargmin、の代わりにを使用しますmin。
index_of_nearest = np.argmin(distances, axis=1)
これを行うには複数の方法があります。最も重要なことは、メモリ使用量と速度の間にトレードオフがあることです。無駄な方法は次のとおりです。
s = (1, -1)
d = min((xa.reshape(s)-xb.reshape(s).T)**2
+ (ya.reshape(s)-yb.reshape(s).T)**2
+ (za.reshape(s)-zb.reshape(s).T)**2), axis=0)
bもう1つの方法は、本格的なマトリックスへの拡張を回避するために、設定されたポイントを反復処理することです。