python - 使用 python 优化网格连接

Question

我有以下情况:

(1) 我有一个大网格。在某些条件下，我想进一步观察该网格中的特定点/单元格。每个单元格都有一个 ID 和分别的坐标 X、Y。因此，在这种情况下，我们只观察一个细胞 - 在图像上标记为 C，它位于网格的边缘。通过一些公式，我可以得到一阶(图像上标记为 1)和二阶(图像上标记为 2)的所有相邻单元格。

(2) 在进一步的条件下，我识别出相邻单元格中的一些单元格，并在第二张图像上以橙色标记。我想要做的是通过优化距离来将所有橙色单元格彼此连接起来，并仅考虑 min() 距离。我的第一次尝试是仅通过计算到较低阶细胞的距离来观察细胞。因此，当查看邻居单元格 2 中的单元格时，我只查看单元格 1 中的单元格。连接的解决方案如图 2 所示，但它不是最佳的，因为理想的解决方案会比较所有单元的距离，而不仅仅是较低邻居阶单元的距离。通过这样做，我得到了图 3 所示的情况。问题是细胞当然没有连接到中心。该怎么办？

当前代码是:

CO - 中心点列表。

data - df 所有具有 X、Y 值的 ID

CO_list = CO['ID'].tolist()

neighbor100 = []
for p in IskanjeCO_list:
    d = get_neighbors100k2(p, len(data)) #function that finds the ID's of neighbours of the first order
    neighbor100.append(d)

neighbor200 = []
for p in IskanjeCO_list:
    d = get_neighbors200k2(p, len(data)) #function that finds the ID's of neighbours of the second order
    neighbor200.append(d)

flat100 = []
for i in neighbor100:
  for j in i:
    flat100.append(j)

flat200 = []
for i in neighbor200:
  for j in i:
    flat200.append(j)

neighbors100 = flat100
neighbors200 = flat200

data_sosedi100 = data.iloc[flat100,].reset_index(drop=True)
data_sosedi200 = data.iloc[flat200,].reset_index(drop=True)

dist200 = []

for b in flat200:
    d = ((pd.DataFrame((data_sosedi100['X']* - data.iloc[b,]['X'])**2
         + (data_sosedi100['Y'] - data.iloc[b,]['Y'])**2 )**0.5)).sum(1)
    dist200.append(d.min())

data_sosedi200['dist'] = dist200

data_sosedi200['id'] = None
for e in CO_list:
    data_sosedi200.loc[data_sosedi200['FID_2'].isin((get_neighbors200k2(e, len(data)))),'id'] = e

您对如何进一步优化有什么建议吗？我希望我呈现了整个图像。如果需要的话，我会进一步澄清。如果您看到代码的一部分，我可以进一步优化这个循环，我将非常感激!

Answer 1

我手动定义了要使用的点: 将 numpy 导入为 np from 操作符导入 itemgetter, attrgetter

nodes = [[-2,1], [-2,0], [-1,0], [0,0], [1,1], [2,1], [2,0], [1,2], [2,2]]
center = [0,0]

def find_neighbor(node):
    n=[]
    for i in range(-1,2):
        for j in range(-1,2):
            if not (i ==0 and j ==0):
                n.append([node[0]+i,node[1]+j])
    return [N for N in n if N in nodes]

def distance_to_center(node):
    return np.sqrt(node[0]**2+node[1]**2)

def distance_between_two_nodes(node1, node2):
    return np.sqrt((node1[0]-node2[0])**2+(node1[1]-node2[1])**2)

def next_node_closest_to_center(node):
    min = distance_to_center(node)
    next_node = node
    for n in find_neighbor(node):
        if distance_to_center(n) < min:
            min = distance_to_center(n)
            next_node = n
    return next_node, min

def get_path_to_center(node):
    node_path = [node]
    distance = 0.
    while node!= center:
        new_node = next_node_closest_to_center(node)[0]
        distance += distance_between_two_nodes(node, new_node)
        node_path.append(new_node)
        node=new_node

    return node_path,distance

def furthest_nodes_from_center(nodes):
    max = 0.
    for n in nodes:
        if get_path_to_center(n)[1] > max:
            furthest_nodes_pathwise = []
            max = get_path_to_center(n)[1]
            furthest_nodes_pathwise.append(n)
        elif get_path_to_center(n)[1] == max:
            furthest_nodes_pathwise.append(n)
    return furthest_nodes_pathwise

def farthest_node_from_center(nodes):
    max = 0.
    farthest_node = center
    for n in nodes:
        if distance_to_center(n) > max:
            max = distance_to_center(n)
            farthest_node = n
    return farthest_node

def closest_node_to_center(nodes):
    min = distance_to_center(farthest_node_from_center(nodes))
    for n in nodes:
        if distance_to_center(n) < min:
            min = distance_to_center(n)
            closest_node = n
    return closest_node

def closest_node_center_with_furthest_distance(node_selection):
    if len(node_selection) == 1:
        return node_selection[0]
    else:
        return closest_node_to_center(node_selection)


print(closest_node_center_with_furthest_distance(furthest_nodes_from_center(nodes)))

输出:

[2, 0]
[Finished in 0.266s]

通过在所有节点上运行，我现在可以确定路径上最远但仍最接近中心距离的节点是 [2,0] 而不是 [2,2 ]。所以我们从那里开始。要找到另一侧的数据，只需将数据分成负 x 值和正 x 值即可。如果您在仅包含负 x 值单元格的列表上运行它，您将得到 [-2,1]

现在您已经有了 2 个起始单元格 [2,0] 和 [-2,1] 我将让您找出导航到使用我评论中的步骤中心传递所有单元格(您现在可以跳过步骤 1，因为这是发布的答案)