文章/答案/技术大牛

发布

社区首页 >问答首页 >如何计算与每个点关联的边的长度？

问如何计算与每个点关联的边的长度？
EN

Stack Overflow用户

提问于 2021-10-05 01:22:17

回答 1查看 97关注 0票数 1

我用python构建了Delaunay三角剖分。现在我有8个点(黑色)，并生成14条边(灰色)。如何计算与每个点关联的边的长度？我想要的矩阵是由每个点连接的边的长度，例如

[[P1, E1_length, E2_length, ...], [P2, E6_length, E7_length, ...], ...]

import numpy as np
points = np.array([[0, 0], [0, 1.1], [1, 0], [1, 1],[1.5, 0.6],[1.2, 0.5],[1.7, 0.9],[1.1, 0.1],])
from scipy.spatial import Delaunay
tri = Delaunay(points)

import matplotlib.pyplot as plt
plt.triplot(points[:, 0], points[:, 1], tri.simplices.copy(), color='0.7')
plt.plot(points[:, 0], points[:, 1], 'o', color='0.3')
plt.show()

python

delaunay

回答 1

Stack Overflow用户

回答已采纳

发布于 2021-10-05 02:50:43

新答案

这里有一种方法，它将给你一个点和与每个点相关的边长度的字典：

simplices = points[tri.simplices]
edge_lengths = {}

for point in points:
    key = tuple(point)
    vertex_edges = edge_lengths.get(key, [])
    adjacency_mask = np.isin(simplices, point).all(axis=2).any(axis=1)
    for simplex in simplices[adjacency_mask]:
        self_mask = np.isin(simplex, point).all(axis=1)
        for other in simplex[~self_mask]:
            dist = np.linalg.norm(point - other)
            if dist not in vertex_edges:
                vertex_edges.append(dist)
    edge_lengths[key] = vertex_edges

输出：

{(0.0, 0.0): [1.4142135623730951, 1.1, 1.3, 1.0],
 (0.0, 1.1): [1.004987562112089, 1.3416407864998738, 1.4866068747318506],
 (1.0, 0.0): [1.4866068747318506, 0.5385164807134504, 0.7810249675906654, 1.140175425099138, 0.14142135623730956],
 (1.0, 1.0): [1.004987562112089, 1.4142135623730951, 0.5385164807134504, 0.6403124237432849, 0.7071067811865475],
 (1.5, 0.6): [0.6403124237432849, 0.36055512754639896, 0.31622776601683794, 0.6403124237432848],
 (1.2, 0.5): [0.5385164807134504, 1.3, 0.31622776601683794, 0.41231056256176607],
 (1.7, 0.9): [0.7071067811865475, 0.36055512754639896],
 (1.1, 0.1): [0.14142135623730956, 0.41231056256176607, 0.6403124237432848]}

需求变更前的老答案

Delaunay对象有一个simplices属性，该属性返回组成简化的点。使用scipy.spatial.distance.pdist()和高级索引，您可以获得所有的边长度，如下所示：

>>> from scipy.spatial.distance import pdist

>>> edge_lengths = np.array([pdist(x) for x in points[tri.simplices]])
>>> edge_lengths
array([[1.00498756, 1.41421356, 1.1       ],
       [0.53851648, 1.3       , 1.41421356],
       [0.53851648, 1.        , 1.3       ],
       [0.64031242, 0.70710678, 0.36055513],
       [0.64031242, 0.31622777, 0.53851648],
       [0.14142136, 0.53851648, 0.41231056],
       [0.64031242, 0.41231056, 0.31622777]])

但是请注意，边长在这里是重复的，因为每个单形至少与另一个单形共享一条边。

循序渐进

Delaunay属性给出了tri.simplices对象中每个单形中每个顶点的索引(以points表示)：

>>> tri.simplices
array([[2, 6, 5],
       [7, 2, 5],
       [0, 7, 5],
       [2, 1, 4],
       [1, 2, 7],
       [0, 3, 7],
       [3, 1, 7]], dtype=int32)

使用高级索引，我们可以获得组成简化的所有点：

>>> points[tri.simplices]
array([[[1. , 1. ],
        [0. , 1.1],
        [0. , 0. ]],

       [[1.2, 0.5],
        [1. , 1. ],
        [0. , 0. ]],

       [[1. , 0. ],
        [1.2, 0.5],
        [0. , 0. ]],

       [[1. , 1. ],
        [1.5, 0.6],
        [1.7, 0.9]],

       [[1.5, 0.6],
        [1. , 1. ],
        [1.2, 0.5]],

       [[1. , 0. ],
        [1.1, 0.1],
        [1.2, 0.5]],

       [[1.1, 0.1],
        [1.5, 0.6],
        [1.2, 0.5]]])

最后，这里的每个子数组表示一个单形和构成它的三个点，通过使用scipy.spatial.distance.pdist()，我们可以通过迭代单形得到每个单形中每个点的成对距离：

>>> np.array([pdist(x) for x in points[tri.simplices]])
array([[1.00498756, 1.41421356, 1.1       ],
       [0.53851648, 1.3       , 1.41421356],
       [0.53851648, 1.        , 1.3       ],
       [0.64031242, 0.70710678, 0.36055513],
       [0.64031242, 0.31622777, 0.53851648],
       [0.14142136, 0.53851648, 0.41231056],
       [0.64031242, 0.41231056, 0.31622777]])

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/69443921

复制

相似问题

问如何计算与每个点关联的边的长度？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何计算与每个点关联的边的长度？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何计算与每个点关联的边的长度？
EN