python - 给定两个元组列表找到它们之间最近的元组（dist答案

【问题标题】：python - given two tuples lists find the closest tuple between them (distpython - 给定两个元组列表找到它们之间最近的元组（dist
【发布时间】：2018-04-13 07:29:10
【问题描述】：

我有两个带有元组（坐标）的列表，例如：

some_pt1 = [(10.76,2.9),(3.24,4.28),(7.98,1.98),(3.21,9.87)]
some_pt2 = [(11.87,6.87), (67.87,8.88), (44.44, 6.78), (9.81, 1.09), (6.91, 0.56), (8.76, 8.97), (8.21, 71.66)]

元组中的每个值都是一个平面
列表长度不同

我如何找到两个列表之间的两个最近点。我不知道如何，也许可以使用距离来做到这一点。我希望有一种更有效的方法来做到这一点，因为我需要这个函数尽可能快地工作（它是更大的一部分）。

【问题讨论】：

是否要求这两个点来自 both 列表，或者您是否还包括与同一列表中的点的距离？
“最接近”的指标是什么？欧几里得？
要求每个点来自不同的列表
欧几里得...

标签： python python-2.7 listview tuples coordinates

【解决方案1】：

或者，通过参考 Tim Seed 的代码。这个可以用。

from scipy.spatial import distance
some_pt1 = [(10.76,2.9),(3.24,4.28),(7.98,1.98),(3.21,9.87)]
some_pt2 = [(11.87,6.87), (67.87,8.88), (44.44, 6.78), (9.81, 1.09), (6.91, 0.56), (8.76, 8.97), (8.21, 71.66)]

empthy_dict = {}
for i in range(len(some_pt1)):
    for j in range(len(some_pt2)):
        dist = distance.euclidean(some_pt1[i],some_pt2[j])
        empthy_dict[dist] = [some_pt1[i],some_pt2[j]]

shortest = sorted(empthy_dict.keys())[0]
points = empthy_dict[shortest]
print('Shortest distance is ' ,shortest,' and points are ' ,points)

【讨论】：

【解决方案2】：

这个怎么样

from pprint import pprint

some_pt1 = [(10.76,2.9),(3.24,4.28),(7.98,1.98),(3.21,9.87)]
some_pt2 = [(11.87,6.87), (67.87,8.88), (44.44, 6.78), (9.81, 1.09), (6.91, 0.56), (8.76, 8.97), (8.21, 71.66)]


distance = {}
for x in some_pt1:
    for y in some_pt2:
        dist =abs(abs(x[0])-abs(y[0]))+abs(abs(x[1])-abs(y[1]))
        distance[dist]=[x,y]

shortest =sorted(distance.keys())[0]
print("Min Distance is {} Objects are  {} {} ".format(shortest, distance[shortest][0],distance[shortest][0]))

【讨论】：

这是（几乎，太多abs）曼哈顿指标，这是错误的:)

【解决方案3】：

欧几里得距离：

>>> some_pt1 = [(10.76,2.9),(3.24,4.28),(7.98,1.98),(3.21,9.87)]
>>> some_pt2 = [(11.87,6.87), (67.87,8.88), (44.44, 6.78), (9.81, 1.09), (6.91, 0.56), (8.76, 8.97), (8.21, 71.66)]
>>> 
>>> def dist_sq(p1_p2):
...     p1, p2 = p1_p2
...     return sum(x*y for x,y in zip(p1, p2))
... 
>>> 
>>> min(((p1, p2) for p1 in some_pt1 for p2 in some_pt2), key=dist_sq)
((3.24, 4.28), (6.91, 0.56))

它的运行时间为 O(n*m)（其中 n, m 是列表的长度）。由于您需要查看所有配对，因此没有比这更好的了。

注意，比较距离的平方就足够了，不需要计算根。

【讨论】：

谢谢，看起来它可以很好地完成这项工作，但它让我问：有没有其他方法可以更有效地做到这一点，然后通过检查每一个导致我将拥有的真实列表会很长，并且可能有非常远的点。
@eranhalperin 不，你不能降低算法的复杂性。您可以使用 numpy 和 Jorge Rodriguez Molinuevo 提到的其他技术使其更快，但您需要比较每一对。
好的，那么我如何使用 numpy（例如）使其工作得更快

【解决方案4】：

在任何情况下，您都需要进行所有可能的组合，有一些算法可以帮助您以最佳顺序完成或避免重复距离。如果你想快速完成，你应该使用一个特殊的库来帮助编译或预编译数组，这可以通过Numba 或Cython 来完成。其他库（例如 scipy）具有特殊模块，例如 scipy.spatial.distance。更多疑惑看这个帖子similar cuestion。

例子：

import scipy.spatial.distance as sd
import numpy as np
some_pt1 = [(10.76,2.9),(3.24,4.28),(7.98,1.98),(3.21,9.87)]
some_pt2 = [(11.87,6.87), (67.87,8.88), (44.44, 6.78), (9.81, 1.09), (6.91, 0.56), (8.76, 8.97), (8.21, 71.66)]
np.unravel_index(np.argmin(sd.cdist(some_pt1, some_pt2)), (len(some_pt1), len(some_pt2)))

结果：(2, 4)

此代码将返回第一个列表和第二个列表中的位置。

【讨论】：