一种快速计算三维点阵间最小距离的方法

问题描述

我想知道是否有快速方法来计算3D数值数组(A [N,3])的所有点到第二个3D数值数组(B [M,3])的所有点之间的欧几里得距离。

然后我应该得到一个数组C，它将是[N, M]数组的点到数组的点B的所有距离，然后使用np.min()沿指定的轴获得从集合的点到集合的点B的所有最小距离。

到目前为止，我就是这样实现的：

distances = np.repeat(9999, len(A))
for i, point in enumerate(A):
  min_distance = np.min(np.sqrt(np.sum(np.square(point - B), axis=1)))
  distances[i] = min_distance

有什么方法可以消除for循环...？

提前感谢：)

---

解决方案

import numpy as np

# arrays with xyz coordinates of all points 
a = np.asarray([[xa1,ya1,za1],...,[xan,yan,zan]])
b = np.asarray([[xb1,yb1,zb1],...,[xbn,ybn,zbn]])

# reshaping to be able to calculate the distance matrix
a_reshaped = a.reshape(a.shape[0], 1, 3)
b_reshaped = b.reshape(1, b.shape[0], 3)

"""calculation of all distances between all points  - creates a 
len(a) x len(b) matrix""" 
distance = np.sqrt(np.sum((a_reshaped - b_reshaped)**2, axis=2))