目的
Python numpyを使って、N次元空間内のK個の位置とL個の位置の間の距離を一括で計算します。 ２重ループは使いません。
計算方法
最初にnumpyをimportします。
import numpy as np
# Make 3 points in 2D (embedded into 1x3 matrix)
p1 = np.array([[[1,2],[3,4],[5,6]]])
p1.shape = (1, 3, 2)となります。数式っぽく書くと、 p1=((1,2)(3,4)(5,6)) です。
同様に、N次元の位置を要素としてL個含む列ベクトルを作ります。ここでは、N=2, L=3としました。
# Make 5 points in 2D (embedded into 5x1 matrix)
p2 = np.array([[[0,1],[1,2],[2,3],[1,1],[2,2]]]).reshape(5, 1, -1)
p2.shape = (5, 1, 2)となります。数式っぽく書くと、 p1=((0,1)(1,2)(2,3)(1,1)(2,2)) です。
行ベクトルp1を列方向に5個コピーして、5x3の行列m1を作ります。 同様に、列ベクトルp2を行方向に3個コピーして、5x3の行列m2を作ります。
# Make 5x3 matrix by copying elements
m1 = np.tile(p1, (5, 1, 1))
m2 = np.tile(p2, (1, 3, 1))
p2に含まれる位置を始端、p1に含まれる位置を終端とするベクトルを全組合せについて一括で計算します。
# Make vectors from p2 to p1
mv = m1 - m2
各要素について二乗距離を計算します。
# Calculate square distances
ms = np.sum(np.square(mv), axis=2)
ms = [[ 2 18 50] [ 0 8 32] [ 2 2 18] [ 1 13 41] [ 1 5 25]]数式で書くと、 Ms=(2185008322218113411525) となります。
あとは各要素の平方根を求めれば、各位置間の距離が得られます。
# Calculate distances
md = np.sqrt(ms)
md = [[ 1.41421356 4.24264069 7.07106781] [ 0. 2.82842712 5.65685425] [ 1.41421356 1.41421356 4.24264069] [ 1. 3.60555128 6.40312424] [ 1. 2.23606798 5. ]]となります。数式で書くと、 Md=(1.414213564.242640697.0710678102.828427125.656854251.414213561.414213564.2426406913.605551286.4031242412.236067985) です。
コードまとめ
上記のコードをまとめておきます。
import numpy as np
# Make 3 points in 2D (embedded into 1x3 matrix)
p1 = np.array([[[1,2],[3,4],[5,6]]])
# Make 5 points in 2D (embedded into 5x1 matrix)
p2 = np.array([[[0,1],[1,2],[2,3],[1,1],[2,2]]]).reshape(5, 1, -1)
# Make 5x3 matrix by copying elements
m1 = np.tile(p1, (5, 1, 1))
m2 = np.tile(p2, (1, 3, 1))
# Make vectors from p2 to p1
mv = m1 - m2
# Calculate square distances
ms = np.sum(np.square(mv), axis=2)
# Calculate distances
md = np.sqrt(ms)
print("p1.shape =", p1.shape)
print("p2.shape =", p2.shape)
print("ms =", ms)
print("md =", md)
0 件のコメント :
コメントを投稿