Scipy空间
精华
小牛编辑
101浏览
2023-03-14
scipy.spatial
包可以通过利用Qhull库来计算一组点的三角剖分,Voronoi图和凸壳。 此外,它包含用于最近邻点查询的KDTree实现以及用于各种度量中的距离计算的实用程序。
Delaunay三角
下面来了解Delaunay Triangulations是什么以及如何在SciPy中使用。
什么是Delaunay三角?
在数学和计算几何中,对于平面中离散点的给定集合P的Delaunay三角剖分是三角形DT(P),使得P中的任何点都不在DT(P)中的任何三角形的外接圆内。
可以通过SciPy进行相同的计算。 参考下面的一个例子。
from scipy.spatial import Delaunay
points = np.array([[0, 4], [2, 1.1], [1, 3], [1, 2]])
tri = Delaunay(points)
import matplotlib.pyplot as plt
plt.triplot(points[:,0], points[:,1], tri.simplices.copy())
plt.plot(points[:,0], points[:,1], 'o')
plt.show()
上述程序将生成以下输出 -
共面点
下面了解共面点是什么以及它们如何在SciPy中使用。
什么是共面点?
共平面点是三个或更多点位于同一平面上。 回想一下,一个平面是平坦的表面,其在所有方向端延伸没有终点。 它通常在数学教科书中显示为四面体。
下面来看看如何在SciPy中使用它,参考下面的例子。
from scipy.spatial import Delaunay
points = np.array([[0, 0], [0, 1], [1, 0], [1, 1], [1, 1]])
tri = Delaunay(points)
print (tri.coplanar)
上述程序将生成以下输出 -
array([[4, 0, 3]], dtype = int32)
这意味着顶点4
位于三角形顶点0
和顶点3
附近,但不包含在三角中。
凸壳
下面来了解什么是凸壳,以及它们如何在SciPy中使用。
什么是凸壳?
在数学中,欧几里德平面或欧几里德空间(或更一般地说,在实数上的仿射空间中)中的一组点X
的凸包或凸包是包含X
的最小凸集。
参考下面的例子来详细了解它 -
from scipy.spatial import ConvexHull
points = np.random.rand(10, 2) # 30 random points in 2-D
hull = ConvexHull(points)
import matplotlib.pyplot as plt
plt.plot(points[:,0], points[:,1], 'o')
for simplex in hull.simplices:
plt.plot(points[simplex,0], points[simplex,1], 'k-')
plt.show()
执行上面示例代码得到以下结果 -