在numpy数组中查找最近的xypoint和第二个最近的有条件的xypoint

Question

我的问题与线程Finding index of nearest point in numpy arrays of x and y coordinates中的问题类似，但它是扩展的：

为了更好的可视化，这里有一个图像 （操纵图像，原始来源：112BKS-Eigenes-werkorinal graph/Data from[…？）。。]，抄送BY-SA 3.0，link to page）：

一方面有一个数组datafield。它由一个numpy数组和[value x y]元素组成。这是带有数字的蓝色细线（它们是value）。另一方面，在一个numpy数组中有一个数组orangeline，元素为[x y]。在

我要做的是计算orangeline中任何元素的value。
我用绿色圆圈可视化了orangeline中的一个具体元素。它的值可以用datafield中的两个元素插值，用三角形表示。结果我得到了一个介于225和230之间的绿色圆圈。在

第一步：
为orangeline中的每个元素找到datafield中最近的元素。
（在这个例子中是粉色三角形。）

第二步：
为“orangeline”中的每个元素找到datafield中最接近的元素，但与第一步中的元素相比，还有另一个元素{}。
（在示例中为棕色三角形。）

第三步：对orangeline中每个元素的value从这两个已发现的值和到这些元素的距离进行插值。在

第一步可以用

mytree = scipy.spatial.cKDTree(datafield[:, 1:3])
dist1, indexes1 = mytree.query(orangeline)

但是现在我不知道如何为第二步过滤datafield。有解决办法吗？在

Answer 1

在@unutbu评论的帮助下，我找到了这个解决方案，它在orangeline不通过字段的情况下也非常有效。在

以下是网格的函数：

import matplotlib.mlab as mlab
import numpy as np
import scipy

def define_grid(rawdata):
    xmin, xmax = np.amin(rawdata[:, 1]), np.amax(rawdata[:,1])
    ymin, ymax = np.amin(rawdata[:, 2]), np.amax(rawdata[:,2])

    x, y, z = rawdata[:, 1], rawdata[:, 2], rawdata[:, 0]

    # Size of regular grid
    ny, nx = (ymax - ymin), (xmax - xmin)

    # Generate a regular grid to interpolate the data.
    xi = np.linspace(xmin, xmax, nx)
    yi = np.linspace(ymin, ymax, ny)
    xi, yi = np.meshgrid(xi, yi)

    # Interpolate using delaunay triangularization
    zi = mlab.griddata(x,y,z,xi,yi)
    return xi, yi, zi

def grid_as_array(xi,yi,zi):
    xi_flat, yi_flat, zi_flat = np.ravel(xi), np.ravel(yi), np.ravel(zi)

    # reduce arrays for faster calculation, take only every second element
    xi_red, yi_red, zi_red = xi_flat[1::2], yi_flat[1::2], zi_flat[1::2]

    # stack to array with elements [x y z], but there are z values that are 'nan'
    xyz_with_nan = np.hstack((xi_red[:, np.newaxis], yi_red[:, np.newaxis],
                              zi_red[:, np.newaxis]))

    # sort out those elements with 'nan'
    xyz = xyz_with_nan[~np.isnan(xyz_with_nan).any(axis=1)]
    return xyz

另一个函数用于从orangeline中查找距离网格最近的点：

^{pr2}$

现在代码是：

# use function to create from the raw data an interpolated datafield
xi, yi, zi = define_grid(datafield)

# rearrange those values to bring them in the form of an array with [x y z]
xyz = grid_as_array(xi, yi, zi)    

# search closest values from grid for the points of the orangeline
# orangeline_xy is the array with elements [x y]
indexes = self.closest_node(orangeline_xy, xyz[:,0:2])

# take z values from the grid which we found before
orangeline_z = xyz[indexes, 2]

# add those z values to the points of the orangeline
orangeline_xyz = np.hstack((orangeline_xy,orangeline_z[:, np.newaxis]))