python - Python中的平均最近坐标

Question

这是我的 previous 的延续问题。我现在有一个欧几里德空间中的排序坐标列表。我想以集群工作的方式对最接近的坐标进行平均，即整个集群被平均并返回欧几里得空间中的一个点。因此，例如下面的列表

a = [[ 42, 206],[ 45,  40],[ 45, 205],[ 46,  41],[ 46, 205],[ 47,  40],[ 47, 202],[ 48,  40],[ 48, 202],[ 49,  38]]

将返回 avg_coordinates = [[47.0, 39.8], [45.6, 204.0]]。这是通过平均前 5 个最近点(或簇)然后最后 5 个最近点来完成的。现在我正在使用梯度方法，我正在遍历所有坐标，只要梯度高于某个设定的阈值，我就会认为它是另一个点簇(因为列表已经排序)。但是当我在梯度公式 gradient = (y2-y1)/(x2-x1) 中有比分子更高的分母时，问题就出现了，它返回一个比阈值更小的值。所以从逻辑上讲我做错了。这样做有什么好的建议吗？请注意，我不想应用集群。

Answer 1

这是一种方法-

thresh = 100 # Threshold for splitting, heuristically chosen for given sample

# Lex-sort of coordinates
b = a[np.lexsort(a.T)]

# Interval indices that partition the clusters
diff_idx = np.flatnonzero(np.linalg.norm(b[1:] - b[:-1],axis=1) > thresh)+1
idx = np.hstack((0, diff_idx, b.shape[0]))
sums = np.add.reduceat(b, idx[:-1])
counts = idx[1:] - idx[:-1]
out = sums/counts.astype(float)[:,None]

示例输入、输出-

In [141]: a
Out[141]: 
array([[ 42, 206],
       [ 45,  40],
       [ 45, 205],
       [ 46,  41],
       [ 46, 205],
       [ 47,  40],
       [ 47, 202],
       [ 48,  40],
       [ 48, 202],
       [ 49,  38]])

In [142]: out
Out[142]: 
array([[  47. ,   39.8],
       [  45.6,  204. ]])