二维和三维voronoi镶嵌：voro++库的python入口点。
pyvoro的Python项目详细描述
pyvoro
=
3d voronoi镶嵌：voro++库的python入口点（http://math.lbl.gov/voro++/）
**最近添加的功能：**
*在pypi上发布*-感谢@ansobelev的贡献，现在可以使用
`pip`-只需键入'pIP安装pyvoro`，如果你喜欢的话，可以使用sudo。
*对numpy数组的支持*-感谢@christopherpoole的贡献，现在可以传入一个2d（nx3或nx2）numpy数组。
*2d helper*，它将平面上点的3d镶嵌结果转换回
2d向量和单元（参见下面的示例。）
*根（加权）选项*，根据提供的一组
半径值对voronoi单元大小进行加权。
*周期边界支持*，请注意，每个单元在其源的参考框架中返回o点可以（也将）位于边界框之外。
发出
python setup.py install
将在系统范围内安装pyvoro，而
也可以使用任何
[其他]（https://pythonhosted.org/an_example_pypi_project/setuptools.html using setup py）`setup.py`关键字
，包括
以"开发"模式安装包。或者，如果您希望自动引入所有依赖项，
您仍然可以使用"pip"：
`-e选项使pip从源代码安装包处于开发模式。
然后可以使用代码：
import pyvoro
pyvoro.compute_voronoi（…）
pyvoro.计算voronoi（…）
i=[1.3，1.4]粒子半径——可选，和keywo与RD兼容的参数。
）
```
{腾讯讯网`-3，'顶点'：[1，0，2，6，6，5]}，
{{{邻接网`-5，'顶点'：[1，3，9，7，0]}，
{{{{{邻接网`:146，'顶点'：[2，4，11，10，10，6]}，
{{{{{{邻接网{邻接网`:1，'顶点'：[2，0，7，4]}，
{{{{邻接网{9，'顶点'：[3，8，8，8，10，10，11，11，11，9]}，
{{{'5，
{{{{{{{'5}，一个邻接单元格：11，'顶点'[4,7,9,9,9,11]}，
{{{邻接单元格'：139，'顶点'：[5,6,10,10,8]}
，
，
'邻接'：[
[1,2,7]，
[5,0,3]，
[4,0,6]，
[8,1,9]，
[11,7,2]，
[11,7,2]，
[6,1,8]，
[2,5,10]，
[2,5,10]，[2,5,5,10,8]，
，
[5,8]，
[1,
[9，0，4]，
[5，3，10]，
[11，3，7]，
[6，8，11]，
[10，9，4]
，
，
'原始'：[1.5834737382116，0.830481031034382，0.84646444455125]，
'原始'：[1.58343473737382116，0.5848481034382，0.84842644455125]，
'顶点'：[
[0.0，0.0，0.0，0.0]，
[2.695210610610610660210660213537，0.5210660213537，0.0，0，0.0，0，0.0，
，
[765856]，
[2.6796085747800173，0.9893738662896467，0.0]，
[0.0，1.157776888878898929044，0.966719419482826924593]，
[2.6855757575135451888，0.0，0.0，1.21399446383838383838383811037]，
[1.54343472454537773115，0.0，2.0648918087484848473]，
[0.0，1.223685238383838977006，0.0]，
[2.670010808080808080808080849494999084949990841414146，1.0246858585858585858929494949493171897545，1.1392273839598812]，
[1.6298653122890692，1.8592211309121414，0.0]，
[1.8470793965350985，1.719917830149991，1.693816653703774]，
[1.752827946840703，1.7963648490662445，1.62502449424244]
]
}
```
文章是最接近坐标系原点的，因此很多顶点位置都是零或大约零，并且
（重要的是）**negative cell id**对应于边界（其中
一个框的角上有三个，特别是id`1'，`3'，和`5`，（
`x_i=0`边界，用负id表示，因此`-1`，`-3`和`-5`--
这是voro++引用边界接口的传统方式。）
最初仅进行非根细分，并计算*所有*信息
（包括单元邻接）。稍后可能会添加其他代码路径。
<2d细分
----
现在可以运行一个更简单的函数来获取点周围的2d单元格，并为您处理所有细节：
``python
import pyvoro
cells=pyvoro.compute_2d_voronoi（
[[5.0,7]。0]，[1.7，3.2]，…]，点位置，这次是二维向量。
[[0.0，10.0]，[0.0，10.0]]，框大小，这次是二维的。
2.0，块大小；和以前一样。
半径=[1.2，0.9，…]粒子半径——可选的，与关键字兼容。
````
他现在的模式和3d一样，因为这并不像要处理一个
全新的模式那么烦人。由于单元格是多边形，并且
顶点返回的顺序正确，因此邻接现在有点多余。这些单元格看起来像是这些单元格的列表：
`` python
{属性'：[0，5]}，
{'相邻单元格'：-2，'vertices'：[0，1]}，
{'相邻单元格'：39，'vertices'：[2，1]}，
{'相邻单元格'：25，'vertices'：[2，3]}，
{'相邻单元格'：12，'vertices'：[4，3]}，
{'相邻单元格'：9，'vertices'：[5，4]}
，
'originaL'：[8.168525781010283，5.94371123911239620341]，
'顶点'：[
[10.0，5.32455807676484844442]，
[10.0，6.442713103105218478]，
[9.088888948888888250326，7.11884847221688181966]，
[6.740750750220282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828br/>[7.77400067532073，5.02320427474993〕
"卷"：5.102702932807149
} BR/>‘BR/>< BR/> *（注意，边现在将被索引为1～4，而‘卷’键实际上是面积。*）*BR/> BR/>注释：< BR/>编译：如果Cython .Pyx文件正在C++模式下编译，所有Cython可见COD。必须编译为"C++"-这将不兼容任何C函数声明为"外部"C"{…"}在这个库中，作者只使用C++函数来实现所有的功能，以便能够利用C++的"STD：：vector & lt；t & gt；"类来表示Voronoi单元的（荒谬的非特定的）几何结构。将"setup.py"和"py voro"文件夹移到更新的voro++源代码签出中也可以工作，但如果使用的任何定义发生更改，则它将无法编译。如果您需要此库使用更新版本的voro++，请务必打开支持问题；最好还是修复它并向我发送请求：）
=
3d voronoi镶嵌：voro++库的python入口点（http://math.lbl.gov/voro++/）
**最近添加的功能：**
*在pypi上发布*-感谢@ansobelev的贡献，现在可以使用
`pip`-只需键入'pIP安装pyvoro`，如果你喜欢的话，可以使用sudo。
*对numpy数组的支持*-感谢@christopherpoole的贡献，现在可以传入一个2d（nx3或nx2）numpy数组。
*2d helper*，它将平面上点的3d镶嵌结果转换回
2d向量和单元（参见下面的示例。）
*根（加权）选项*，根据提供的一组
半径值对voronoi单元大小进行加权。
*周期边界支持*，请注意，每个单元在其源的参考框架中返回o点可以（也将）位于边界框之外。
发出
python setup.py install
将在系统范围内安装pyvoro，而
也可以使用任何
[其他]（https://pythonhosted.org/an_example_pypi_project/setuptools.html using setup py）`setup.py`关键字
，包括
以"开发"模式安装包。或者，如果您希望自动引入所有依赖项，
您仍然可以使用"pip"：
`-e选项使pip从源代码安装包处于开发模式。
然后可以使用代码：
import pyvoro
pyvoro.compute_voronoi（…）
pyvoro.计算voronoi（…）
i=[1.3，1.4]粒子半径——可选，和keywo与RD兼容的参数。
）
```
{腾讯讯网`-3，'顶点'：[1，0，2，6，6，5]}，
{{{邻接网`-5，'顶点'：[1，3，9，7，0]}，
{{{{{邻接网`:146，'顶点'：[2，4，11，10，10，6]}，
{{{{{{邻接网{邻接网`:1，'顶点'：[2，0，7，4]}，
{{{{邻接网{9，'顶点'：[3，8，8，8，10，10，11，11，11，9]}，
{{{'5，
{{{{{{{'5}，一个邻接单元格：11，'顶点'[4,7,9,9,9,11]}，
{{{邻接单元格'：139，'顶点'：[5,6,10,10,8]}
，
，
'邻接'：[
[1,2,7]，
[5,0,3]，
[4,0,6]，
[8,1,9]，
[11,7,2]，
[11,7,2]，
[6,1,8]，
[2,5,10]，
[2,5,10]，[2,5,5,10,8]，
，
[5,8]，
[1,
[9，0，4]，
[5，3，10]，
[11，3，7]，
[6，8，11]，
[10，9，4]
，
，
'原始'：[1.5834737382116，0.830481031034382，0.84646444455125]，
'原始'：[1.58343473737382116，0.5848481034382，0.84842644455125]，
'顶点'：[
[0.0，0.0，0.0，0.0]，
[2.695210610610610660210660213537，0.5210660213537，0.0，0，0.0，0，0.0，
，
[765856]，
[2.6796085747800173，0.9893738662896467，0.0]，
[0.0，1.157776888878898929044，0.966719419482826924593]，
[2.6855757575135451888，0.0，0.0，1.21399446383838383838383811037]，
[1.54343472454537773115，0.0，2.0648918087484848473]，
[0.0，1.223685238383838977006，0.0]，
[2.670010808080808080808080849494999084949990841414146，1.0246858585858585858929494949493171897545，1.1392273839598812]，
[1.6298653122890692，1.8592211309121414，0.0]，
[1.8470793965350985，1.719917830149991，1.693816653703774]，
[1.752827946840703，1.7963648490662445，1.62502449424244]
]
}
```
文章是最接近坐标系原点的，因此很多顶点位置都是零或大约零，并且
（重要的是）**negative cell id**对应于边界（其中
一个框的角上有三个，特别是id`1'，`3'，和`5`，（
`x_i=0`边界，用负id表示，因此`-1`，`-3`和`-5`--
这是voro++引用边界接口的传统方式。）
最初仅进行非根细分，并计算*所有*信息
（包括单元邻接）。稍后可能会添加其他代码路径。
<2d细分
----
现在可以运行一个更简单的函数来获取点周围的2d单元格，并为您处理所有细节：
``python
import pyvoro
cells=pyvoro.compute_2d_voronoi（
[[5.0,7]。0]，[1.7，3.2]，…]，点位置，这次是二维向量。
[[0.0，10.0]，[0.0，10.0]]，框大小，这次是二维的。
2.0，块大小；和以前一样。
半径=[1.2，0.9，…]粒子半径——可选的，与关键字兼容。
````
他现在的模式和3d一样，因为这并不像要处理一个
全新的模式那么烦人。由于单元格是多边形，并且
顶点返回的顺序正确，因此邻接现在有点多余。这些单元格看起来像是这些单元格的列表：
`` python
{属性'：[0，5]}，
{'相邻单元格'：-2，'vertices'：[0，1]}，
{'相邻单元格'：39，'vertices'：[2，1]}，
{'相邻单元格'：25，'vertices'：[2，3]}，
{'相邻单元格'：12，'vertices'：[4，3]}，
{'相邻单元格'：9，'vertices'：[5，4]}
，
'originaL'：[8.168525781010283，5.94371123911239620341]，
'顶点'：[
[10.0，5.32455807676484844442]，
[10.0，6.442713103105218478]，
[9.088888948888888250326，7.11884847221688181966]，
[6.740750750220282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828282828br/>[7.77400067532073，5.02320427474993〕
"卷"：5.102702932807149
} BR/>‘BR/>< BR/> *（注意，边现在将被索引为1～4，而‘卷’键实际上是面积。*）*BR/> BR/>注释：< BR/>编译：如果Cython .Pyx文件正在C++模式下编译，所有Cython可见COD。必须编译为"C++"-这将不兼容任何C函数声明为"外部"C"{…"}在这个库中，作者只使用C++函数来实现所有的功能，以便能够利用C++的"STD：：vector & lt；t & gt；"类来表示Voronoi单元的（荒谬的非特定的）几何结构。将"setup.py"和"py voro"文件夹移到更新的voro++源代码签出中也可以工作，但如果使用的任何定义发生更改，则它将无法编译。如果您需要此库使用更新版本的voro++，请务必打开支持问题；最好还是修复它并向我发送请求：）
欢迎加入QQ群-->： 979659372
