每个元素的高效 numpy 欧几里得距离计算答案

【问题标题】：Efficient numpy euclidean distance calculation for each element每个元素的高效 numpy 欧几里得距离计算
【发布时间】：2021-09-15 02:10:23
【问题描述】：

我有一个形状为 512x512 的 numpy 数组和这个范围内的中心点。现在我想用中心点到数组元素的欧几里德距离填充数组。

例如：Center=[10,10] -> array[0,0]=sqrt((0-10)^2+(0-10)^2)...

我已经有了工作代码：

def calc_euclidean_distance(center, point):
   return np.sqrt((center[0] - point[0]) ** 2 + (center[1] - point[1]) ** 2)

target = np.zeros([512, 512])
center = np.array([10, 376]) #example

for iterrow, row in enumerate(target):
   for itercol, i in enumerate(row):
      target[iterrow, itercol] = self.calc_euclidean_distance(center, [iterrow, itercol])

但这真的很慢，也可能非常“非pythonic”。我想不出更好的方法，现在要求接受教育。

【问题讨论】：

标签： python arrays numpy matrix

【解决方案1】：

我相信这可以满足您的要求：

w, h = (512, 512)
cx, cy = (10, 376)
xcoords, ycoords = np.meshgrid(np.arange(w), np.arange(h))
target = np.sqrt((xcoords - cx)**2 + (ycoords - cy)**2)

【讨论】：

效果很好，并且（显然）是一个很好的加速。不知道 np.meshgrid。很有帮助，谢谢