检查点是否在 circleS 内

Question

我有一长串H-points已知坐标的列表。我还有一份清单TP-points。我想知道是否H-points落在TP-point具有一定半径（例如r=5）的任何（！）内。dfPoints = pd.DataFrame({'H-points' : ['a','b','c','d','e'],               'Xh' :[10, 35, 52, 78, 9],               'Yh' : [15,5,11,20,10]})dfTrafaPostaje = pd.DataFrame({'TP-points' : ['a','b','c','d','e'],               'Xt' :[15,25,35],               'Yt' : [15,25,35],               'M' : [5,2,3]})def inside_circle(x, y, a, b, r):    return (x - a)*(x - a) + (y - b)*(y - b) < r*r我已经开始了，但是.. 只检查一个 TP 点会容易得多。但是如果我有 1500 个和 30.000 个 H 点，那么我需要更通用的解决方案。任何人都可以帮忙吗？

Answer 1

另一种选择是使用distance_matrixfrom scipy.spatial：

dist_mat = distance_matrix(dfPoints [['Xh','Yh']], dfTrafaPostaje [['Xt','Yt']])

dfPoints [np.min(dist_mat,axis=1)<5]

1500 dfPoints和花了大约 2 秒30000 dfTrafaPostje。

更新：获取得分最高的参考点的索引：

dist_mat = distance_matrix(dfPoints [['Xh','Yh']], dfTrafaPostaje [['Xt','Yt']])

# get the M scores of those within range

M_mat = pd.DataFrame(np.where(dist_mat <= 5, dfTrafaPosaje['M'].values[None, :], np.nan),

                     index=dfPoints['H-points'] ,

                     columns=dfTrafaPostaje['TP-points'])

# get the points with largest M values

# mask with np.nan for those outside range    

dfPoints['M'] = np.where(M_mat.notnull().any(1), M_mat.idxmax(1), np.nan)

对于包含的样本数据：

  H-points  Xh  Yh   TP

0        a  10  15    a

1        b  35   5  NaN

2        c  52  11  NaN

3        d  78  20  NaN

4        e   9  10  NaN

Answer 2

您可以使用scipy中的 cdist 计算成对距离，然后在距离小于半径的地方创建一个带有 True 的掩码，最后过滤：

import pandas as pd

from scipy.spatial.distance import cdist

dfPoints = pd.DataFrame({'H-points': ['a', 'b', 'c', 'd', 'e'],

                         'Xh': [10, 35, 52, 78, 9],

                         'Yh': [15, 5, 11, 20, 10]})

dfTrafaPostaje = pd.DataFrame({'TP-points': ['a', 'b', 'c'],

                               'Xt': [15, 25, 35],

                               'Yt': [15, 25, 35]})

radius = 5

distances = cdist(dfPoints[['Xh', 'Yh']].values, dfTrafaPostaje[['Xt', 'Yt']].values, 'sqeuclidean')

mask = (distances <= radius*radius).sum(axis=1) > 0 # create mask

print(dfPoints[mask])

输出

  H-points  Xh  Yh

0        a  10  15