Numpy

Question

所以我想我可能完全走错了路，但基本上

我有一个 3-d 网格，我找到了该网格中所有点到测试点的所有距离

import numpy as np
#crystal_lattice structure
x,y,z = np.linspace(-2,2,5),np.linspace(-2,2,5),np.linspace(-2,2,5)
xx,yy,zz = np.meshgrid(x,y,z)

#testpoint
point = np.array([1,1,1])

d = np.sqrt((point[0]-xx)**2 + (point[1]-yy)**2 + (point[2]-zz)**2)

#np.shape(d) = (5, 5, 5)

然后我试图找到最接近该测试点的网格点的坐标。我的想法是对d进行排序（展平然后搜索），得到最低值的索引。

low_to_hi_d = np.sort(d, axis=None)  # axis=0 flattens the d, going to flatten the entire d array and then search
lowest_val = low_to_hi_d[0]
index = np.where(d == lowest_val)

#how do I get the spatial coordinates of my index, not just the position in ndarray (here the position in ndarray is (3,3,3) but the spatial position is (1,1,1), but if I do d[3,3,3] I get 0 (the value at spatial position (1,1,1))

在我的 3d 网格上使用该索引来查找点坐标（不是该点的 d 值）。我正在尝试这样的事情，而且我很确定我过于复杂了。 如何获得离我的测试点最近的 3-d 网格点的 (x,y,z)？

Answer 1

我不完全确定这是你想要的。

您可以找到最小值 d 的索引：

idx = np.unravel_index(np.argmin(d), d.shape)

(3, 3, 3)

并使用它来索引您的网格：

xx[idx], yy[idx], zz[idx]

(1.0, 1.0, 1.0)

Answer 2

如果你只是想找到最近点的坐标你是对的，那你就走错了路。生成 meshgrid 并计算这么多重复项的距离是没有意义的。您可以在每个维度轻松独立地完成：

import numpy as np
x,y,z = np.linspace(-2,2,5),np.linspace(-2,2,5),np.linspace(-2,2,5)
p=np.array([1,1,1])
closest=lambda x,p: x[np.argmin(np.abs(x-p))]
xc,yc,zc=closest(x,p[0]),closest(y,p[1]),closest(z,p[2])

Numpy - 在 3-d 矩阵中查找网格点的空间位置（知道该网格点的索引）

Numpy - Find spatial position of a gridpoint in 3-d matrix (knowing the index of that gridpoint)

numpy-ndarray