根据距点的距离过滤坐标

Question

我有两个数组说：

A = np.array([[ 1.  ,  1.  ,  0.5 ],
              [ 2.  ,  2.  ,  0.7 ],
              [ 3.  ,  4.  ,  1.2 ],
              [ 4.  ,  3.  ,  2.33],
              [ 1.  ,  2.  ,  0.5 ],
              [ 6.  ,  5.  ,  0.3 ],
              [ 4.  ,  5.  ,  1.2 ],
              [ 5.  ,  5.  ,  1.5 ]])
B = np.array([2,1])

我想找到所有不在B的半径2。

的 A的值。

我的答案应该是：

C = [[3,4,1.2],[4,3,2.33],[6,5,0.3],[4,5,1.2],[5,5,1.5]]

是否有一种pythonic做到这一点？

我尝试的是：

radius = 2
C.append(np.extract((cdist(A[:, :2], B[np.newaxis]) > radius), A))

，但我意识到np.extract扁平A，我没有得到我的预期。

Answer 1

让R成为此处的半径。正如接下来讨论的那样，我们将有很少的方法解决。

方法＃1：使用cdist-

from scipy.spatial.distance import cdist
A[(cdist(A[:,:2],B[None]) > R).ravel()]

方法＃2：使用np.einsum-

d = A[:,:2] - B
out = A[np.einsum('ij,ij->i', d,d) > R**2]

方法＃3：使用np.linalg.norm-

A[np.linalg.norm(A[:,:2] - B, axis=1) > R]

方法＃4：与np.dot一起使用matrix-multiplication-

A[(A[:,:2]**2).sum(1) + (B**2).sum() - 2*A[:,:2].dot(B) > R**2]

方法＃5：使用einsum和matrix-multiplication的组合 -

A[np.einsum('ij,ij->i',A[:,:2],A[:,:2]) + B.dot(B) - 2*A[:,:2].dot(B) > R**2]

方法＃6：使用broadcasting-

A[((A[:,:2] - B)**2).sum(1) > R**2]

因此，要在Radius R中获得点，只需将>替换为上述解决方案中的<。

Answer 2

@divakar未提及的另一种有用的方法是使用ckdtree：

from scipy.spatial import cKDTree
# Find indices of points within radius
radius = 2
indices = cKDTree(A[:, :2]).query_ball_point(B, radius)
# Construct a mask over these points
mask = np.zeros(len(A), dtype=bool)
mask[indices] = True
# Extract values not among the nearest neighbors
A[~mask]

主要的好处是，随着数组的大小增加，它将比任何直接方法要快得多，因为数据结构避免了A中每个点的距离。