Consultas espaciales en Python

Distancias, vecinos más cercanos y envolventes sobre conjuntos de puntos.

import numpy as np
from scipy import spatial

puntos = np.array([[0.0, 0.0], [1.0, 0.5], [3.0, 3.0], [4.0, 0.5]])
consulta = np.array([[1.2, 0.6]])

print(spatial.distance.cdist(consulta, puntos).round(3))
print(round(spatial.distance.euclidean(puntos[0], puntos[2]), 4))

arbol = spatial.KDTree(puntos)
distancia, indice = arbol.query(consulta, k=2)
print(distancia.round(3), indice)

casco = spatial.ConvexHull(puntos)
print(sorted(casco.vertices.tolist()), round(casco.volume, 2))

Cómo funciona

cdist da cada distancia por pares entre dos conjuntos.
KDTree responde consultas de vecino más cercano en tiempo logarítmico.
ConvexHull devuelve los vértices del polígono envolvente.

Palabras clave y builtins usados aquí

as
print
round
sorted

El intento, en números

Líneas: 15
Caracteres a escribir: 483
Tokens: 159
Ritmo de tres estrellas: 110 tpm

Al ritmo de tres estrellas de 110 tokens por minuto, este intento toma unos 87 segundos.

Escribe este fragmento

Paso 3 de 4 en Dispersas y espaciales; paso 21 de 23 en Computación científica con SciPy.

← Anterior Siguiente →