在numpy数组中找到最近的xy点和第二个最近的条件

Question

我的问题和线程Finding index of nearest point in numpy arrays of x and y coordinates中的问题一样，但是扩展了：

为了更好地可视化，这里有一张图片（经过处理的图像，来自：by 112BKS - Eigenes WerkOriginal graph/Data from [.. ? ..], CC BY-SA 3.0, link to page）：

一方面有数组datafield。它由一个带有元素 [value x y] 的 numpy 数组组成。那是带有数字的蓝色细线（它们是 value）。另一方面，在具有元素 [x y] 的 numpy 数组中存在数组 orangeline。

我想做的是计算orangeline中任何元素的value。
我用绿色圆圈形象化了orangeline中的一个具体元素。它的值可以用 datafield 中的两个元素进行插值，用三角形可视化。结果我得到绿色圆圈 value 介于 225 和 230 之间。

第一步：
为orangeline中的每个元素查找datafield中最接近的元素。
(In粉红色三角形的例子。）

第二步：
为 'orangeline' 中的每个元素查找 datafield 中最接近的元素，但与另一个 value比第一步的那个。
（在例子中是棕色三角形。）

第三步： 根据两个已建立的值和到这些元素的距离，为 orangeline 中的每个元素插入 value。

第一步可以用

解决

mytree = scipy.spatial.cKDTree(datafield[:, 1:3])
dist1, indexes1 = mytree.query(orangeline)

但现在我不知道如何为第二步过滤数据字段。有解决办法吗？

Answer 1

在 @unutbu 的评论的帮助下，我发现这个解决方案在 orangeline 未穿过字段的情况下也非常有效。

网格函数如下：

import matplotlib.mlab as mlab
import numpy as np
import scipy

def define_grid(rawdata):
    xmin, xmax = np.amin(rawdata[:, 1]), np.amax(rawdata[:,1])
    ymin, ymax = np.amin(rawdata[:, 2]), np.amax(rawdata[:,2])

    x, y, z = rawdata[:, 1], rawdata[:, 2], rawdata[:, 0]

    # Size of regular grid
    ny, nx = (ymax - ymin), (xmax - xmin)

    # Generate a regular grid to interpolate the data.
    xi = np.linspace(xmin, xmax, nx)
    yi = np.linspace(ymin, ymax, ny)
    xi, yi = np.meshgrid(xi, yi)

    # Interpolate using delaunay triangularization
    zi = mlab.griddata(x,y,z,xi,yi)
    return xi, yi, zi

def grid_as_array(xi,yi,zi):
    xi_flat, yi_flat, zi_flat = np.ravel(xi), np.ravel(yi), np.ravel(zi)

    # reduce arrays for faster calculation, take only every second element
    xi_red, yi_red, zi_red = xi_flat[1::2], yi_flat[1::2], zi_flat[1::2]

    # stack to array with elements [x y z], but there are z values that are 'nan'
    xyz_with_nan = np.hstack((xi_red[:, np.newaxis], yi_red[:, np.newaxis],
                              zi_red[:, np.newaxis]))

    # sort out those elements with 'nan'
    xyz = xyz_with_nan[~np.isnan(xyz_with_nan).any(axis=1)]
    return xyz

为 orangeline 中的值查找距网格最近点的另一个函数：

def closest_node(points, datafield):
    mytree = scipy.spatial.cKDTree(datafield)
    dist, indexes = mytree.query(points)
    return indexes

现在代码：

# use function to create from the raw data an interpolated datafield
xi, yi, zi = define_grid(datafield)

# rearrange those values to bring them in the form of an array with [x y z]
xyz = grid_as_array(xi, yi, zi)    

# search closest values from grid for the points of the orangeline
# orangeline_xy is the array with elements [x y]
indexes = self.closest_node(orangeline_xy, xyz[:,0:2])

# take z values from the grid which we found before
orangeline_z = xyz[indexes, 2]

# add those z values to the points of the orangeline
orangeline_xyz = np.hstack((orangeline_xy,orangeline_z[:, np.newaxis]))

在numpy数组中找到最近的xy点和第二个最近的条件

Finding nearest xy-point in numpy array and second nearest with condition

python

arrays

tree

numpy