使用 numpy logical_and 或在哪里定位 3D 边界框中的点索引？答案

【问题标题】：Locating indices of points within 3D bounding box using numpy logical_and or where?使用 numpy logical_and 或在哪里定位 3D 边界框中的点索引？
【发布时间】：2021-03-11 17:25:05
【问题描述】：

我有一大堆积分(x, y, z)。

points = np.random.rand(999).reshape(333, 3)

我还有两个点代表兴趣点的 3D 边界框的最小和最大角

min_point = np.random.rand(3)
min_x, min_y, min_z = min_point[0], min_point[1], min_point[2]

max_point = np.random.rand(3)
max_x, max_y, max_z = max_point[0], max_point[1], max_point[2]

我正在尝试在points 中选择位于此边界框内但遇到问题的索引。我最初尝试使用np.where

poi_inds = np.where(
    points[:, 0] > min_x and points[:, 0] < max_x and
    points[:, 1] > min_y and points[:, 1] < max_y and
    points[:, 2] > min_z and points[:, 2] < max_z
)

虽然这会导致

ValueError: The truth value of an array with more than one element is ambiguous.

因为and'ing 每次比较的结果都是模棱两可的（据我了解，numpy 无法决定逐元素还是整个数组 and）。

我找到了一个提供 a solution in the 2D case 的 SO 答案，并且我尝试将 to expand it 用于 3D 案例

poi_inds = np.all(np.logical_and.reduce((
    points[:, 0] > min_x, points[:, 0] < max_x,
    points[:, 1] > min_y, points[:, 1] < max_y,
    points[:, 2] > min_z, points[:, 2] < max_z)))

尽管这似乎总是导致没有点被选中（poid_inds = (False)，如果我删除np.all，我发现所有索引都是False），即使在多次运行以下SSCCE之后也是如此。

import numpy as np

points = np.random.rand(999).reshape(333, 3)

rand_pt0 = np.random.rand(3)
rand_pt1 = np.random.rand(3)
# Ensure the minimum point is always less than the maximum
min_point = np.array([
    rand_pt0[0] if rand_pt0[0] < rand_pt1[0] else rand_pt1[0],
    rand_pt0[1] if rand_pt0[1] < rand_pt1[1] else rand_pt1[1],
    rand_pt0[2] if rand_pt0[2] < rand_pt1[2] else rand_pt1[2],
])
max_point = np.array([
    rand_pt1[0] if rand_pt0[0] < rand_pt1[0] else rand_pt0[0],
    rand_pt1[1] if rand_pt0[1] < rand_pt1[1] else rand_pt0[1],
    rand_pt1[2] if rand_pt0[2] < rand_pt1[2] else rand_pt0[2],
])

min_x, min_y, min_z = min_point[0], min_point[1], min_point[2]
max_x, max_y, max_z = max_point[0], max_point[1], max_point[2]

# poi_inds = np.where(
#     points[:, 0] > min_x and points[:, 0] < max_x and
#     points[:, 1] > min_y and points[:, 1] < max_y and
#     points[:, 2] > min_z and points[:, 2] < max_z
# )

poi_inds = np.logical_and.reduce((
    points[:, 0] > min_x, points[:, 0] < max_x,
    points[:, 1] > min_y, points[:, 1] < max_y,
    points[:, 2] > min_z, points[:, 2] < max_z))

在这种情况下正确使用np.where 或np.logical_and 来定位所描述的边界框内的点？

【问题讨论】：

标签： python numpy

【解决方案1】：

我找到了一个使用np.where、functools.reduce 和np.intersect1d 的紧凑型解决方案

from functools import reduce

poi_inds = reduce(np.intersect1d, (
    np.where(points[:, 0] > min_x),
    np.where(points[:, 0] < max_x),
    np.where(points[:, 1] > min_y),
    np.where(points[:, 1] < max_y),
    np.where(points[:, 2] > min_z),
    np.where(points[:, 2] < max_z)
))

在大于 100M 个点的大型列表中，这比“手动”遍历点快很多倍。

poi_inds = []
for ind, pt in enumerate(points):
    if min_x < pt[0] < max_x and min_y < pt[1] < max_y and min_z < pt[2] < max_z:
        poi_inds.append(ind)

【讨论】：

【解决方案2】：

问题在于您将数组与元素进行比较。

points[:, 0] > min_x

数组不能与单个元素进行比较。
相反，您需要使用循环。

for i in range(333):
    points[i:0] > min_x

【讨论】：