在 2 个单独的 numpy 数组中查找匹配点

Question

我有两个包含 3d 点的不同大小的数组。我想有效地比较两个数组并找到匹配的点并最终返回一个简单数量的匹配点。

pA=[[0,0,0],[0,1,0],[1,2,4],[10,3,4],[1,20,1],[5,3,2]]
pB=[[14,1,0],[1,2,4],[1,20,1],[15,1,0]]

#returns 2

目前我有一个草率的循环来解决这个问题，但考虑到我正在尝试匹配具有大量点的多对数组，它对性能不是很友好，这是一个问题

t= np.array([pA[x]==pB for x in range(len(pA))]).sum(2)
print np.sum(t==3)

我只是不确定如何有效地比较两个不同大小的多维数组。然后是如何对大量对进行多次迭代。

编辑

找到了一种解决方法，该方法非常快，可以组合数组，制作数组的唯一版本，然后比较两个数组的长度。

pts=np.concatenate((pA,pB),axis=0)
pts2 = np.unique(pts.view([('', pts.dtype)]*pts.shape[1]))
return len(pts)-len(pts2)

Answer 1

不知道这如何在您的完整数据集上执行，但请尝试使用 Scipy 的 kdtree：

from scipy.spatial import cKDTree

pA=[[0,0,0],[0,1,0],[1,2,4],[10,3,4],[1,20,1],[5,3,2]]
pB=[[14,1,0],[1,2,4],[1,20,1],[15,1,0]]

kdtree = cKDTree(pA)
dists, inds = kdtree.query(pB, distance_upper_bound=1e-5)
result = (dists == 0).sum()

• http://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.cKDTree.html#scipy.spatial.cKDTree

Answer 2

这是一种仅使用 numpy 操作的方法。这里的基本思想是我们将这两个列表连接成一个 numpy 数组。然后，我们按行对其进行排序，以将匹配点放在连续的行中。接下来，我们使用diff 来获取匹配行的所有零行，这是由np.all(...==0,1)提取的。我们对所有这些事件进行计数，以便为我们提供这两个列表之间匹配点计数的所需输出。

下面列出了实现-

import numpy as np

# Inputs
pA=[[0,0,0],[0,1,0],[1,2,4],[10,3,4],[1,20,1],[5,3,2]]
pB=[[14,1,0],[1,2,4],[1,20,1],[15,1,0]]

# Form concatenate array of pA and pB
pts = np.concatenate((pA,pB),axis=0)

# Sort pts by rows
spts = pts[pts[:,1].argsort(),]

# Finally get counts by DIFFing along rows and counting all zero rows
counts = np.sum(np.diff(np.all(np.diff(spts,axis=0)==0,1)+0)==1)

输出 -

In [152]: counts
Out[152]: 2

即使您在任一列表中有重复的点，上述代码也有效。所以，让我们在前面代码的输入中添加一些重复的点 -

# Inputs
pA=[[0,0,0],[0,1,0],[1,2,4],[10,3,4],[1,20,1],[5,3,2],[1,2,4]]
pB=[[14,1,0],[1,2,4],[1,20,1],[15,1,0],[1,2,4]]

使用修改后的输入运行代码后，输出仍保持为2，这是预期的输出。

如果您确定任一列表中没有重复条目，可以使用简化版本替换最后一步-

counts = np.sum(np.all(np.diff(spts,axis=0)==0,1))