Python 计算两个三维点之间距离的快速方法

我有4个长度为160000的列表，如s、x、y、z。 我列出了一个x，y，z的3d阵列（点）。 我需要找到标准的所有点组合之间的距离，并将点的索引与列表s的索引相匹配，以便得到满足它的2个点的s值。 我正在使用下面的代码。 有没有更快的办法

import numpy as np

points = []
for i in range(len(xnew)):
    a = np.array((xnew[i],ynew[i],znew[i]))
    points.append(a)
for i in range(len(points)):
    for j in range(len(points)):
        d = np.sqrt(np.sum((points[i] - points[j]) ** 2))
        if d <= 4 and d >=3:
            print(s[i],s[j],d)

将numpy导入为np
点数=[]
对于范围内的i（len（xnew））：
a=np.array（（xnew[i]，ynew[i]，znew[i]））
点。附加（a）
对于范围内的i（len（点））：
对于范围内的j（len（点））：
d=np.sqrt（np.sum（（点[i]-点[j]）**2））
如果d=3：
打印（s[i]，s[j]，d）

想法是使用 和 将处理矢量化

代码

import numpy as np
import scipy.spatial.distance

# Distance between all pairs of points
d = scipy.spatial.distance.cdist(points, points)
# Pairs within threshold
indexes = np.where(np.logical_and(d>=3, d<=4))

for i, j in indexes:
    if i < j: # since distance is symmetric, not reporting j, i
      print(s[i],s[j],d[i][j])

输出（两种方法）

想法是使用 和 将处理矢量化

代码

import numpy as np
import scipy.spatial.distance

# Distance between all pairs of points
d = scipy.spatial.distance.cdist(points, points)
# Pairs within threshold
indexes = np.where(np.logical_and(d>=3, d<=4))

for i, j in indexes:
    if i < j: # since distance is symmetric, not reporting j, i
      print(s[i],s[j],d[i][j])

输出（两种方法）

试运行：

n = 10

x = np.random.randint(10, size= [n])          # dummy data
y = np.random.randint(10, size= [n])
z = np.random.randint(10, size= [n])

s = np.random.randint(10, size= [n])

运行上述代码之后

points

>>> array([
       [9, 3, 5],
       [7, 8, 1],
       [0, 0, 2],
       [6, 7, 2],
       [4, 4, 3],
       [8, 0, 9],
       [5, 2, 6],
       [0, 8, 9],
       [2, 6, 9],
       [4, 8, 4]])

试运行：

n = 10

x = np.random.randint(10, size= [n])          # dummy data
y = np.random.randint(10, size= [n])
z = np.random.randint(10, size= [n])

s = np.random.randint(10, size= [n])

运行上述代码之后

points

>>> array([
       [9, 3, 5],
       [7, 8, 1],
       [0, 0, 2],
       [6, 7, 2],
       [4, 4, 3],
       [8, 0, 9],
       [5, 2, 6],
       [0, 8, 9],
       [2, 6, 9],
       [4, 8, 4]])

---

您可以做的第一个改进是使用sqrt的对称性，即

d（i，j）=d（j，i）

，这样内部循环可以只迭代j>i您想检查一下，我不知道您的标准，但如果它类似于“找到彼此最接近的两点”你可以做的第一个改进是使用sqrt的对称性，即

d（i，j）=d（j，i）

，这样内部循环可以只迭代j>i你想检查一下，我不知道你的标准，但如果是“找到彼此最接近的两点”而这正是你想要的方法。

n = 10

x = np.random.randint(10, size= [n])          # dummy data
y = np.random.randint(10, size= [n])
z = np.random.randint(10, size= [n])

s = np.random.randint(10, size= [n])

points

>>> array([
       [9, 3, 5],
       [7, 8, 1],
       [0, 0, 2],
       [6, 7, 2],
       [4, 4, 3],
       [8, 0, 9],
       [5, 2, 6],
       [0, 8, 9],
       [2, 6, 9],
       [4, 8, 4]])

s

>>> array([4, 2, 9, 9, 8, 2, 7, 6, 0, 5])

for e in ans:
   print(*e)

>>> 9.0  8.0  3.7416573867739413
    9.0  5.0  3.0
    8.0  7.0  3.7416573867739413