获取二维数组中最近的坐标

你可以用 min key 功能。某物,例如:

coordinates = [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
xy = (-222.4, -204.5)

dist = lambda x, y: (x[0]-y[0])**2 + (x[1]-y[1])**2
min(coordinates, key=lambda co: dist(co, xy))
# (-225.0, -299.5)

使用scipy.spatial.KDTree:

from scipy import spatial
import numpy as np
coordinates = [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
x = [(-222.4, -204.5)]
distance,index = spatial.KDTree(coordinates).query(x)
print(distance)
print(index)

kd-tree方法是O(N*log(N)),比蛮力方法快得多,蛮力方法需要O(N**2)时间才能获得足够大的N。

您的问题相当于:如何使用自定义方法对Python列表进行排序以定义排序键。这可以在原始python中完成,而无需使用外部库。

当使用 sorted() key

从这里开始,您只需将关键点定义为自己的距离计算方法(此处使用点之间的距离):

from math import *
coordinates = [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]
xy = (-222.4, -204.5)
results = sorted(coordinates, key= lambda v: sqrt(pow((v[0] - xy[0]), 2) + pow((v[1] - xy[1]), 2)))
# Output : [(-225.0, -299.5), (-150.0, 75.5), (0.0, 0.0), (225.0, 300.5)]

from scipy.spatial import distance 作为排序的关键参数。

您可以简单地创建一个函数,该函数遍历坐标列表,并保留两点之间距离最小的坐标列表的索引(使用毕达哥拉斯定理)。

但是,如果您需要外部模块提供的快速功能,而不是编写自己的,我不知道我已经使用的库已经具有该功能,因此我在这里没有帮助。