Python Numpy查找距指定点的三维坐标距离

我正在用python查找与指定点的三维距离。现在，我正在使用for循环。但是计算起来有点慢

下面是python代码：

    for i_y in xrange(0,500,100):
        y = round(i_y/100.00,2)

        for i_x in xrange(0, 800, 1):
            x = round(i_x/100.00,2)

            for i_z in xrange(500, 0, -1):
                z = round(i_z/100.00,2)

                    for key in specifiedPoints.keys():
                    a = specifiedPoints[key]

                        subx1 = x-a.p1.x
                        suby1 = y-a.p1.y
                        subz1 = z-a.p1.z
                        subx2 = x-a.p2.x
                        suby2 = y-a.p2.y
                        subz2 = z-a.p2.z
                        subx3 = x-a.p3.x
                        suby3 = y-a.p3.y
                        subz3 = z-a.p3.z

                        distver1 = math.sqrt(subx1*subx1+suby1*suby1+subz1*subz1)
                        distver2 = math.sqrt(subx2*subx2+suby2*suby2+subz2*subz2)        
                        distver3 = math.sqrt(subx3*subx3+suby3*suby3+subz3*subz3)

                        if distver1 <= 1 or distver2<=1 or distver3<=1:
                            print "close point:", x, y, z

xrange（0501000）中i_y的

：
y=圆形（i_y/100.00,2）
对于x范围内的i_x（0、800、1）：
x=圆形（i_x/100.00,2）
对于X范围内的i_z（500,0，-1）：
z=圆形（i_z/100.00,2）
对于指定点中的键。键（）
a=指定的点[键]
subx1=x-a.p1.x
suby1=y-a.p1.y
subz1=z-a.p1.z
subx2=x-a.p2.x
suby2=y-a.p2.y
subz2=z-a.p2.z
subx3=x-a.p3.x
suby3=y-a.p3.y
subz3=z-a.p3.z
distver1=math.sqrt（subx1*subx1+suby1*suby1+subz1*subz1）
distver2=math.sqrt（subx2*subx2+suby2*suby2+subz2*subz2）
distver3=math.sqrt（subx3*subx3+suby3*suby3+subz3*subz3）
如果distver1您的arange函数可以直接返回您为x、y和z计算的值，那么将节省大量计算。根本不需要round函数。运行循环5*800*500=2.000.000次，每次除以100并取整。最好这样做：

    for y in np.arange(0,5,1):
        for x in np.arange(0,8,0.01):
            for z in np.arange(5,0,-0.01):

在一个数组中收集点，如以下代码所示

    point = np.array([x,y,z])
    a1 = np.array([a.p1.x,a.p1.y,a.p1.z])
    a2 = np.array([a.p2.x,a.p2.y,a.p2.z])
    a3 = np.array([a.p3.x,a.p3.y,a.p3.z])

    if np.linalg.norm(point-a1) <=1:
        print point
        continue
    if np.linalg.norm(point-a2) <=1:
        print point
        continue
    if np.linalg.norm(point-a3) <=1:
        print point
        continue

point=np.array（[x，y，z]）
a1=np.数组（[a.p1.x，a.p1.y，a.p1.z]）
a2=np.数组（[a.p2.x，a.p2.y，a.p2.z]）
a3=np.数组（[a.p3.x，a.p3.y，a.p3.z]）
如果np.linalg.norm（点a1），我将研究
scipy.space.distance
，尤其是
cdist
和
pdist
方法：

测试点是否始终是常规网格？在您的示例中，
i_z
，
i_y
，
i_z
来自常规for循环。如果是这样的话，那么你可以加速计算，尤其是当它被重复的时候。是的，测试点总是相同的x，y，z点。每次测试都可以更改指定点。
    point = np.array([x,y,z])

    if np.linalg.norm(point-a.p1) <=1:
        print point
        continue
    if np.linalg.norm(point-a.p2) <=1:
        print point
        continue
    if np.linalg.norm(point-a.p3) <=1:
        print point
        continue