在 Python 中找到 3D 中给定点最近点的最快方法

Question

假设我在 A 中有 10,000 个点，在 B 中有 10,000 个点，并且想要找出 A 中与每个 B 点最接近的点。

目前，我只是循环遍历 B 和 A 中的每个点来找到距离最近的点。 IE。

B = [(.5, 1, 1), (1, .1, 1), (1, 1, .2)]
A = [(1, 1, .3), (1, 0, 1), (.4, 1, 1)]
C = {}
for bp in B:
   closestDist = -1
   for ap in A:
      dist = sum(((bp[0]-ap[0])**2, (bp[1]-ap[1])**2, (bp[2]-ap[2])**2))
      if(closestDist > dist or closestDist == -1):
         C[bp] = ap
         closestDist = dist
print C

但是，我确信有一种更快的方法可以做到这一点......有什么想法吗？

Answer 1

在这种情况下，我通常使用 kd-tree 。

有一个用 SWIG 包装的 C++ 实现与 BioPython 捆绑在一起，易于使用。

Answer 2

您可以使用一些空间查找结构。一个简单的选项是 八叉树；更高级的包括 BSP 树。

Answer 3

您可以使用 numpy 广播。例如，

from numpy import *
import numpy as np

a=array(A)
b=array(B)
#using looping
for i in b:
    print sum((a-i)**2,1).argmin()

将打印 2,1,0，它们分别是 a 中最接近 B 的 1,2,3 行的行。

否则，您可以使用广播：

z = sum((a[:,:, np.newaxis] - b)**2,1)
z.argmin(1) # gives array([2, 1, 0])

我希望有所帮助。