我正在使用一种算法,对于每一次迭代,都需要找到Voronoi图的哪个区域,一组树状坐标属于哪个区域。也就是说,每个坐标位于哪个区域内。(我们可以假设所有的坐标都属于一个区域,如果这有任何区别的话。)
我还没有在Python中工作的代码,但是伪代码看起来如下所示:
## we are in two dimensions and we have 0<x<1, 0<y<1.
for i in xrange(1000):
XY = get_random_points_in_domain()
XY_candidates = get_random_points_in_do
我昨天在美国看到了 of McDonalds餐厅。我想把它复制到法国(我找到了一些可以下载的数据)。
我没问题画点:
library(readxl)
library(ggplot2)
library(raster)
#open data
mac_do_FR <- read_excel("./mcdo_france.xlsx")
mac_do_FR_df <- as.data.frame(mac_do_FR)
#get a map of France
mapaFR <- getData("GADM", country="France&
我正在尝试使用中的代码构建一个Voronoi图。但是,我有几点,我想知道它们属于哪个区域。这段代码与MATLAB中的原始函数(即voronoin)一样,提供了两个输出:[vornb,vorvx],一个用于顶点,另一个用于单元格。所以,我想看看(x, y, z)点在Voronoi图的哪个区域。
我实际上是在寻找类似3D的区域遮罩的东西。
我试图给用创建的Voronoi图着色。这是我的密码:
import numpy as np
import matplotlib.pyplot as plt
from scipy.spatial import Voronoi, voronoi_plot_2d
# make up data points
points = np.random.rand(15,2)
# compute Voronoi tesselation
vor = Voronoi(points)
# plot
voronoi_plot_2d(vor)
# colorize
for region in vor.region
考虑在一组站点S上构建的现有Voronoi图V。这张图有效地解决了“邮局服务于距离它们最近的地区”的问题。
考虑到邮局的问题是在need of decentralization without redefining the borders方面发展起来的。也就是说,除了以前的站点之外,还需要在当前站点的区域内有更多更小的站点,这些站点将具有相同的原始“外部”边界(但显然是一些新的“内部”边界)。
在更正式的定义方面,是否存在现有Voronoi图的细分,该细分反过来又是新的Voronoi图,使得它是原始站点集和结果边集的超集?
EDIT1:也许更正式:如果D是一组边,D={E},是一组点的Voro
我只想计算两个点的Voronoi图: from scipy.spatial import Voronoi
vor = Voronoi([[0, 0], [0, 1]]) 但会得到以下错误: vor = Voronoi(points)
File "qhull.pyx", line 2518, in scipy.spatial.qhull.Voronoi.__init__
File "qhull.pyx", line 354, in scipy.spatial.qhull._Qhull.__init__
scipy.spatial.qhull.Qh