使用python/scipy的voronoi和lloyd松弛

如何使用Qhull确定哪些voronoi单元（通过索引）是“合适的”（由“现有顶点”组成）

我试图使用LLoyds算法和scipy.spatial Voronoi（Qhull的包装器）生成的输入执行约束松弛

就代码而言，它看起来像：

points = [n  for n in itertools.product(xrange(3),xrange(3))]
vor = Voronoi(points)

vor2 = lloyd(vor) # my relaxation function  - not relevant to the question

代码生成的输出图看起来正常（见下文） 但vor结构中的数据不足以进行劳埃德松弛。 这是因为我应该只移动有效voronoi单元格内的点（图中为4）。另一个应该保持原样。Qhull扰乱了点/区域的顺序，因此我无法估计哪个区域属于哪个点

以下是问题的说明：

print vor.vertices
#[[ 0.5  0.5]
# [ 1.5  0.5]
# [ 0.5  1.5]
# [ 1.5  1.5]]

print vor.regions  
# [[], [-1, 0], [-1, 1], [1, -1, 0], [3, -1, 2], [-1, 3], [-1, 2], [3, 2, 0, 1], [2, -1, 0], [3, -1, 1]]

print vor.points
# [[ 0.  0.]
#  [ 0.  1.]
#  [ 0.  2.]
#  [ 1.  0.]
#  [ 1.  1.]
#  [ 1.  2.]
#  [ 2.  0.]
#  [ 2.  1.]
#  [ 2.  2.]]
print vor.point_region
# [1 8 6 3 7 4 2 9 5]

现在我会发现，vor.regions[7]是属于vor.points[4]点的区域。 如何做到这一点

---

你有一个

区域

你知道，有一个

点

你不知道，你知道

vor.point\u region[point]==region

。对于单个

区域

，您可以计算出相应的

点

，如下所示：

point = np.argwhere(vor.point_region == region)

region_point = np.argsort(vor.point_region)
points = region_point[regions-1]

您还可以创建一个

区域\u点

索引数组，从

区域的数组中找出多个
点
，如下所示：

point = np.argwhere(vor.point_region == region)

region_point = np.argsort(vor.point_region)
points = region_point[regions-1]

也许我不理解您的答案，但当我运行您建议的命令：np.argwhere（vor.point_region==4）时，结果是：array（[[5]]），这是不正确的：（这是因为你应该运行
np.argwhere（vor.point\u region==7）
。你知道你所在的区域（7），这就是你所追求的点（4），对吗？因为要从点获得区域，你只需执行
vor.point\u region[4]
。你在哪里有完整的解决方案？有公认的答案？下面的答案对我来说足够清楚了