Python 在np.meshgrid的截面中标记点

我试图根据x点和y点位于python中网格网格的特定部分来标记它们。这些点存储在数据框中

这里我有一个坐标的散点图，在上面我绘制了网格。 整个网格更大，从左下角点（5001250）到右上角点（27503250），这意味着整个网格是225x200个截面

我想遍历网格的各个部分，并检查点是否在其中。如果某个点位于剖面内，我希望向该点添加标签。标签应与节名称相同。 我想在数据框中添加一个名为“section”的列，该列存储点所属的部分

在示例（上图）中，我想用

---

770由于所有的点大小相同，因此无需事先定义所有的方块，然后确定哪些方块有哪些点。我将使用每个点的坐标直接确定它将落在哪个正方形中

为了简单起见，让我们以一维为例。您希望将数字线上的点编组为“正方形”（实际上是一维线段）。如果第一个正方形从x=0开始，第二个正方形从x=10开始，第三个正方形从x=20开始，依此类推，那么如何找到任意点x的正方形？你知道你的正方形的间距是10（你知道它们从0开始，这使事情变得更容易），所以你可以简单地除以10并向下取整得到正方形索引

在三维（或n维）中也可以轻松地完成同样的事情

square\u side=10
x_min=df['x[mm]'].min（）
y_min=df['y[mm]'].min（）
def标签_点（x，y）：
#双正斜杠是整数（向下舍入）除法
#如果确实需要基于1的索引，请在此处添加1
x_标签=（x-x_最小值）//正方形
y_label=chr（ord（'A'）+（y-y_min）//方边）
返回f'{y_label}{x_label}'
df['label']=df['X[mm]'，'Y[mm]']]。应用（lambda坐标：label_点（*坐标），轴=1）

至于效率，此解决方案只对每个点进行一次检查，并且对每个点进行恒定量的工作，因此点数为O（n）。你的解决方案看每个正方形一次，每个正方形看每个点，这是O（n×m），其中n是点的数量，m是正方形的数量

您的解决方案更一般，因为当矩形网格具有任意旋转时，

is_inside_rect

函数可以工作。在这种情况下，我建议围绕原点旋转所有点，然后运行我的解决方案

---

同样，你的循环在每个循环的x和y上加上10，所以你是在对角遍历你的空间。我想你不是有意的。

谢谢。我尝试了这个，但我得到了TypeError:（'label_point（）接受了2个位置参数，但给出了887323'，'发生在索引X[mm]）@FedericaTomola抱歉，您需要

中的
axis=1
。apply（）

谢谢它现在可以工作了

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection


df = pd.read_csv('./file.csv', sep=';')

x_min = df['X[mm]'].min()
x_max = df['X[mm]'].max()
y_min = df['Y[mm]'].min()
y_max = df['Y[mm]'].max()
#side of the square in mm:
square_side = 10 

xs = np.arange(x_min, x_max+square_side, square_side)
ys = np.arange(y_min, y_max+square_side, square_side)
x_2, y_2 = np.meshgrid(xs, ys, indexing = 'ij')


fig, ax = plt.subplots(figsize=(9,9))
ax.plot(df['X[mm]'], df['Y[mm]'], linewidth=0.2, c='black')

#plot meshgrid as grid instead of points:
segs1 = np.stack((x_2[:,[0,-1]],y_2[:,[0,-1]]), axis=2)
segs2 = np.stack((x_2[[0,-1],:].T,y_2[[0,-1],:].T), axis=2)
plt.gca().add_collection(LineCollection(np.concatenate((segs1, segs2))))

ax.set_aspect('equal', 'box')
plt.show()

def is_inside_rect(M, A, B, D):
    '''Check if a point M is inside a rectangle with corners A, B, C, D'''
    # 0 <= dot(BC,BM) <= dot(BC,BC)
    #print(np.dot(B - A, D - A))
    return 0 <= np.dot(B - A, M - A) <= np.dot(B - A, B - A) and 0 <= np.dot(D - B, M - B) <= np.dot(D - B, D - B)

x = x_min
y = y_min

while (x <= x_max + square_side) and (y <= y_max + square_side):  
    A = np.array([x, y]) 
    B = np.array([x + square_side, y]) 
    D = np.array([x + square_side, y + square_side])
    
    print(A, B, D)
    df['c'] = df[['X[mm]', 'Y[mm]']].apply(lambda coord: 'red' if is_inside_rect(np.array(coord), A, B, D) else 'black', axis=1)
    x += square_side
    y += square_side