根据元素与某点的距离对二维numpy数组排序

Question

我有一个(n,2)的numpy数组，这个数组里存放了n个点的坐标。现在我想根据每个点到某个特定点(x,y)的距离来对这些点进行排序，并找出离这个点最近的那个。请问我该怎么做呢？

目前我有：

def find_nearest(array,value):
    xlist = (np.abs(array[:, 0]-value[:, 0]))
    ylist = (np.abs(array[:, 1]-value[:, 1]))
    newList = np.vstack((xlist,ylist))
    // SORT NEW LIST and return the 0 elemnt

在我的解决方案中，我需要根据离(0,0)的距离来对newList进行排序，但我不知道该怎么做？有没有什么解决办法或者其他的方案呢？

我的点的数组看起来是这样的：

array([[ 0.1648,  0.227 ],
       [ 0.2116,  0.2472],
       [ 0.78  ,  0.546 ],
       [ 0.9752,  1.    ],
       [ 0.384 ,  0.4862],
       [ 0.4428,  0.2204],
       [ 0.4448,  0.4146],
       [ 0.1046,  0.2658],
       [ 0.5668,  0.7792],
       [ 0.1664,  0.0746],
       [ 0.5636,  0.6372],
       [ 0.7822,  0.5536],
       [ 0.7718,  0.8276],
       [ 0.9916,  1.    ],
       [ 0.    ,  0.    ],
       [ 0.8206,  0.817 ],
       [ 0.4858,  0.4652],
       [ 0.    ,  0.    ],
       [ 0.1574,  0.3114],
       [ 0.    ,  0.0022],
       [ 0.874 ,  0.714 ],
       [ 0.148 ,  0.6624],
       [ 0.0656,  0.5912],
       [ 0.1148,  0.607 ],
       [ 0.069 ,  0.6296]])

Answer 1

那我们可以直接在 sorted 函数里用一个叫做 key 的参数来处理吗？

sorted(p, key = lambda (a,b) :(a-m)**2+(b-n)**2)

这里的 p 是一个数组，像这样 array([[1,2], [3,4], ...])，而 (m,n) 是表示最慢点的一个元组……

Answer 2

如果你安装了scipy，下面的代码可以正常运行：

import scipy.spatial.distance as ds
import numpy as np

pointOfInterest = np.array([[0, 0]])

然后：

arr[ds.cdist(pointOfInterest, arr)[0].np.argsort()[0]]

arr就是你上面提到的数组。

Answer 3

为了找到最近的点，排序并不是个好主意。如果你想找最近的点，那就直接找最近的点就行了，排序太浪费时间了。

def closest_point(arr, x, y):
    dist = (arr[:, 0] - x)**2 + (arr[:, 1] - y)**2
    return arr[dist.argmin()]

而且，如果你需要多次在一组固定或几乎固定的点中进行搜索，有一些特定的数据结构可以大大加快这种查询的速度（搜索时间会变得比线性时间更快）。

Answer 4

如果你只想计算直角坐标系中的距离，可以这样做：

def find_nearest(arr,value):
    newList = arr - value
    sort = np.sum(np.power(newList, 2), axis=1)
    return newList[sort.argmin()]

我假设 newList 的形状是 (n,2)，也就是说它有 n 行和 2 列。顺便提一下，我把输入变量 array 改成了 arr，这样可以避免在使用像 from numpy import * 这样的导入方式时出现问题。