空间算法和数据结构 (scipy.spatial
)¶
空间变换¶
这些内容包含在 scipy.spatial.transform
子模块。
最近邻查询¶
|
KD-tree用于快速最近邻查找。 |
|
用于快速最近邻查找的KD-树 |
|
HyperRectangle类。 |
距离度量包含在 scipy.spatial.distance
子模块。
Delaunay三角剖分、凸壳和Voronoi图¶
|
N维的Delaunay细分。 |
|
N维的凸壳。 |
|
N维的Voronoi图。 |
|
球面上的Voronoi图。 |
|
N维的半空间交点。 |
打印辅助对象¶
|
在二维中绘制给定的Delaunay三角剖分 |
|
用二维绘制给定的凸壳图 |
|
用二维绘制给定的Voronoi图 |
参见
单纯形表示¶
简单(三角形、四面体等)出现在Delaunay细分(N-D简单)、凸面和Voronoi脊(N-1-D简单)中的方案如下:
tess = Delaunay(points)
hull = ConvexHull(points)
voro = Voronoi(points)
# coordinates of the jth vertex of the ith simplex
tess.points[tess.simplices[i, j], :] # tessellation element
hull.points[hull.simplices[i, j], :] # convex hull facet
voro.vertices[voro.ridge_vertices[i, j], :] # ridge between Voronoi cells
对于Delaunay三角剖分和凸壳,简单的邻域结构满足条件: tess.neighbors[i,j]
是第i个单纯形的相邻单纯形,与 j
-顶点。如果没有邻居,则为-1。
凸包镶嵌面还定义了超平面方程式:
(hull.equations[i,:-1] * coord).sum() + hull.equations[i,-1] == 0
类似的Delaunay三角剖分的超平面方程对应于相应的N+1维抛物面上的凸壳面片。
Delaunay三角剖分对象提供了一种定位包含给定点的单形的方法,并提供了重心坐标计算。
功能¶
|
找出包含给定点的简图。 |
|
计算距离矩阵。 |
|
计算两个数组之间的L**p距离。 |
|
计算两个阵列之间L**p距离的第p次方。 |
|
Procrstes分析,两个数据集的相似性检验。 |
|
几何球面线性插值。 |