在python中使用内置函数查找3d距离

Question

我有6个列表存储两组位置（每个3个列表）的x，y，z坐标。我想计算两组中每个点之间的距离。我写了自己的距离函数，但速度很慢。我的一个名单上有大约一百万条目。 我试过了cdist，但是它产生了一个距离矩阵，我不明白它的意思。是否有另一种内置功能可以做到这一点？

Answer 1

如果可能，请使用numpy模块来处理这类事情。它比使用常规python列表更有效率。

我解释你的问题，像这样的

1. 你有两套分
2. 两组具有相同数量的中集1点（N）
3. 点k的指向k有关在集合2中。如果每个点是某个对象的坐标，我将它解释为包含初始点的集合1，并且在某个其他时间t将集合2设置为点。
4. 你想找到一套2

的距离d(k) = dist(p1(k), p2(k))其中p1(k)是集1和p2(k)点数k是第一点k假设你6名名单x1_coords，y1_coords，z1_coords和x2_coords，y2_coords ，z2_coords，那么你可以计算出这样的距离

import numpy as np 
p1 = np.array([x1_coords, y1_coords, z1_coords]) 
p2 = np.array([x2_coords, y2_coords, z2_coords]) 

squared_dist = np.sum(p1**2 + p2**2, axis=0) 
dist = np.sqrt(squared_dist) 

p1(k)和p2(k)之间的距离现在作为dist[k]存储在numpy数组中。对于速度：在我的笔记本电脑上使用“Intel（R）Core（TM）i7-3517U CPU @ 1.90GHz”时，计算N = 1E6的两组点之间的距离为45毫秒。