python:计算质心
我有一个包含4列的数据集:x、y、z和value,假设:python:计算质心,python,numpy,centering,Python,Numpy,Centering,我有一个包含4列的数据集:x、y、z和value,假设: x y z value 0 0 0 0 0 1 0 0 0 2 0 0 1 0 0 0 1 1 0 1 1 2 0 1 2 0 0 0 2 1 0 0 2 2 0 0 我想计算所有值的质心CM=(x_m,y_m,z_m)。在本例中,我希望将(1,1.5,0)作为输出 我以为这一定是个小问题,但我在互联网上找不到解决办法scipy.ndimage.measurements.cen
x y z value
0 0 0 0
0 1 0 0
0 2 0 0
1 0 0 0
1 1 0 1
1 2 0 1
2 0 0 0
2 1 0 0
2 2 0 0
我想计算所有值的质心CM=(x_m,y_m,z_m)
。在本例中,我希望将(1,1.5,0)
作为输出
我以为这一定是个小问题,但我在互联网上找不到解决办法scipy.ndimage.measurements.center\u of_mass
似乎是正确的,但不幸的是,该函数总是返回两个值(而不是3)。此外,我找不到任何关于如何从数组中设置ndimage
的文档:我会使用形状为(9,4)
的numpy数组N吗?那么N[:,0]是x坐标吗
非常感谢您的帮助。您觉得:
# x y z value
table = np.array([[ 5. , 1.3, 8.3, 9. ],
[ 6. , 6.7, 1.6, 5.9],
[ 9.1, 0.2, 6.2, 3.7],
[ 2.2, 2. , 6.7, 4.6],
[ 3.4, 5.6, 8.4, 7.3],
[ 4.8, 5.9, 5.7, 5.8],
[ 3.7, 1.1, 8.2, 2.2],
[ 0.3, 0.7, 7.3, 4.6],
[ 8.1, 1.9, 7. , 5.3],
[ 9.1, 8.2, 3.3, 5.3]])
def com(xyz, mass):
mass = mass.reshape((-1, 1))
return (xyz * mass).mean(0)
print(com(table[:, :3], table[:, 3]))
我能想到的最简单的方法是:求质量分量坐标的平均值,每个分量的贡献加权
import numpy
masses = numpy.array([[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 2, 0, 0],
[1, 0, 0, 0],
[1, 1, 0, 1],
[1, 2, 0, 1],
[2, 0, 0, 0],
[2, 1, 0, 0],
[2, 2, 0, 0]])
nonZeroMasses = masses[numpy.nonzero(masses[:,3])] # Not really necessary, can just use masses because 0 mass used as weight will work just fine.
CM = numpy.average(nonZeroMasses[:,:3], axis=0, weights=nonZeroMasses[:,3])
另一个选项是使用scipy重心:
from scipy import ndimage
import numpy
masses = numpy.array([[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 2, 0, 0],
[1, 0, 0, 0],
[1, 1, 0, 1],
[1, 2, 0, 1],
[2, 0, 0, 0],
[2, 1, 0, 0],
[2, 2, 0, 0]])
ndimage.measurements.center_of_mass(masses)
对不起,这里的价值有什么意义?这是弥撒吗?所以实际上你想要的是
[1 1 1 0 1][1 2 0 1]
的平均值?好吧,为什么不编写一个函数来实现这一点呢?这是一个微不足道的数学问题。它没有返回值,似乎没有正确的乘法维数,如果我修正了这些维数,它似乎就不会给出正确的答案。我遗漏了什么?我忘记了np.average
接受了权重参数!这是一个很好的答案,谢谢!