Python 循环遍历我的函数中的字典值

我有一本字典（称为oxygen\u position\u dict），包括以下内容：

 {'a': (0, 0, 0), 'b': (3.3, 0, 0), 'c': (3.3, 0, 3.3), 'd': (0, 0, 3.3)}

我还有一个固定的元组，叫做k_1

 k_1 = (1.65, 8.25, 1.65)

我试图让for循环遍历字典中的值，并仅对这些值执行距离函数计算（如下）

以下是我的尝试：

 for x in oxygen_position_dict.values():
      print(distance(*(x + k_1)))

然而，输出是有限的

 8.573651497465942
 8.573651497465942
 8.573651497465942
 8.573651497465942

这只是第一个字典值的距离计算的输出

---

我如何让它遍历我的整个值集，保持k_1常量？谢谢你的帮助

传递到函数的元组是

(0, 0, 0, 1.65, 8.25, 1.65)
(3.3, 0, 0, 1.65, 8.25, 1.65)
(3.3, 0, 3.3, 1.65, 8.25, 1.65)
(0, 0, 3.3, 1.65, 8.25, 1.65)

这就给出了向量的差值

(-1.65, -8.25, -1.65)
(1.65, -8.25, -1.65)
(1.65, -8.25, 1.65)
(-1.65, -8.25, 1.65)

现在加上这些的平方将得到相同的结果

---

使用

scipy

可以免费获得距离：

from scipy.spatial import distance

for x in oxygen_position_dict.values():
    print(distance.euclidean(k_1, x))

---

而且

numpy

可以让事情变得更简单：

import numpy as np

oxygen_position_dict = {'a': np.array((0, 0, 0)), 
                        'b': np.array((3.3, 0, 0)),
                        'c': np.array((3.3, 0, 3.3)),
                        'd': np.array((0, 0, 3.3))}

k_1 = np.array((1.65, 8.25, 1.65))

for x in oxygen_position_dict.values():
    print(np.linalg.norm(k_1 - x))

---

传递到函数的元组是

(0, 0, 0, 1.65, 8.25, 1.65)
(3.3, 0, 0, 1.65, 8.25, 1.65)
(3.3, 0, 3.3, 1.65, 8.25, 1.65)
(0, 0, 3.3, 1.65, 8.25, 1.65)

这就给出了向量的差值

(-1.65, -8.25, -1.65)
(1.65, -8.25, -1.65)
(1.65, -8.25, 1.65)
(-1.65, -8.25, 1.65)

现在加上这些的平方将得到相同的结果

---

使用

scipy

可以免费获得距离：

from scipy.spatial import distance

for x in oxygen_position_dict.values():
    print(distance.euclidean(k_1, x))

---

而且

numpy

可以让事情变得更简单：

import numpy as np

oxygen_position_dict = {'a': np.array((0, 0, 0)), 
                        'b': np.array((3.3, 0, 0)),
                        'c': np.array((3.3, 0, 3.3)),
                        'd': np.array((0, 0, 3.3))}

k_1 = np.array((1.65, 8.25, 1.65))

for x in oxygen_position_dict.values():
    print(np.linalg.norm(k_1 - x))

---

显然（经过一些测试之后），您的代码很好！主要问题是所有值的距离都相同。我试着手动进行计算，结果似乎是这样。因此，要么你真的很幸运得到了这些值，要么distance（）工作不正常。

显然（经过一些测试之后），你的代码很正常！主要问题是所有值的距离都相同。我试着手动进行计算，结果似乎是这样。因此，要么你真的很幸运得到了这些值，要么距离（）不正常。

检查以下代码：

输入数学

def distance(p0, p1):
    return math.sqrt((p0[0] - p1[0])**2 + (p0[1] - p1[1])**2 + (p0[2] - p1[2])**2)

d =  {'a': (0, 0, 0), 'b': (3.3, 0, 0), 'c': (3.3, 0, 3.3), 'd': (0, 0, 3.3)}
k_1 = (1.65, 8.25, 1.65)

for k,v in d.items():
    print(k,'-',distance(k_1,v))

输出：

a - 8.573651497465942
b - 8.573651497465942
c - 8.573651497465942
d - 8.573651497465942

---

所有距离值都相同。

检查以下代码：

输入数学

def distance(p0, p1):
    return math.sqrt((p0[0] - p1[0])**2 + (p0[1] - p1[1])**2 + (p0[2] - p1[2])**2)

d =  {'a': (0, 0, 0), 'b': (3.3, 0, 0), 'c': (3.3, 0, 3.3), 'd': (0, 0, 3.3)}
k_1 = (1.65, 8.25, 1.65)

for k,v in d.items():
    print(k,'-',distance(k_1,v))

输出：

a - 8.573651497465942
b - 8.573651497465942
c - 8.573651497465942
d - 8.573651497465942

---

所有距离值都相同。

代码没有问题。0和1.65之间的距离与3.3和1.65之间的距离相同。所以你得到了4次相同的结果。是的，它可以对应于任何一个，但这里是x2，y2，z2。@91尝试手动计算或稍微改变一下

k_1

，你会看到

distance

做得很好。哇，我怎么没抓住这个。谢谢大家！如果第一个列表中的化学元素是相同的，这是有道理的。你的代码没有问题。0和1.65之间的距离与3.3和1.65之间的距离相同。所以你得到了4次相同的结果。是的，它可以对应于任何一个，但这里是x2，y2，z2。@91尝试手动计算或稍微改变一下

k_1

，你会看到

distance

做得很好。哇，我怎么没抓住这个。谢谢大家！如果第一个列表中的化学元素相同，这是有道理的。