在python中使用内置函数查找3d距离

Question

我有6个列表存储两组位置的x、y、z坐标（每个列表3个）。我想计算两组中每个点之间的距离。我已经写了我自己的距离函数，但速度很慢。我的一张单子上有大约100万个条目。 我试过cdist，但它产生了一个距离矩阵，我不明白它的意思。有没有其他内置函数可以做到这一点？

Answer 1

如果可能的话，使用numpy模块来处理这类事情。它比使用常规的python列表更有效。

我这样解释你的问题

1. 你有两套观点
2. 两个集合的点数相同（N）
3. 集合1中的点k与集合2中的点k相关。如果每个点都是某个对象的坐标，我将其解释为包含初始点的集合1，并在另一个时间t将该点设置为集合2
4. 要找到距离d(k) = dist(p1(k), p2(k))，其中p1(k)是集合1中的点编号k，而p2(k)是集合2中的点编号k。

假设您的6个列表分别是x1_coords、y1_coords、z1_coords和x2_coords、y2_coords、z2_coords，那么您可以这样计算距离

import numpy as np
p1 = np.array([x1_coords, y1_coords, z1_coords])
p2 = np.array([x2_coords, y2_coords, z2_coords])

squared_dist = np.sum((p1-p2)**2, axis=0)
dist = np.sqrt(squared_dist)

p1(k)和p2(k)之间的距离现在作为dist[k]存储在numpy数组中。

至于速度：在我的笔记本电脑上，使用“英特尔（R）酷睿（TM）i7-3517U CPU@1.90GHz”，计算N=1E6的两组点之间距离的时间是45ms