这是我的数据集:
我试图为数据集中的所有点找到最近的点。这些点是地球表面的纬度和经度。当然,最近的点不可能是同一点。
我尝试了本文中列出的KDTree解决方案:,并将海报的随机点(由np.random.uniform生成)更改为自己的数据集。
我希望得到一个充满距离的数组,但是,我得到了一个满是零的数组,其中包含一些数字,比如2.87722e-06和0.616582。这不是我想要的。我在我的数据集上尝试了另一个解决方案,NearestNeighbours,并得到了同样的结果。所以,我做了一些调试,缩小了他使用的随机数的范围,使它更接近我自己的数据集。
import numpy as np
im
我正在解决一个算法问题,听起来是这样的:
给出一个三维空间和其中的分段。找到与所有段的距离最小的点。示例输入:在第一行N -段数,在N下一行中给出每个段的开始和结束:x1 y1 z1 x2 y2 z2
我知道它是什么样的给定问题(几何中值),我已经知道如何找到点和段之间的最小距离(和提供了的好代码),但是我需要的是一个点(x,y,z)在我找到距离的段上。我需要知道它来接近我的结果。
这是我的代码
# finds distance between point and segment
def lineseg_dist(p, a, b):
d = np.divide(b - a, n