回答編集履歴
2
追記
test
CHANGED
|
@@ -36,6 +36,46 @@
|
|
|
36
36
|
|
|
37
37
|
```
|
|
38
38
|
|
|
39
|
-
なお、
|
|
39
|
+
なお、上記の方法だと、データによっては直観に反した（不自然な）採り方をすることがありえます。
|
|
40
40
|
|
|
41
|
+
|
|
42
|
+
|
|
41
|
-
複数の`data`と`target`の中から**最も距離の小さい**最近傍点のペアを取り除きつつループしたほうがより自然になるかと思います。
|
|
43
|
+
以下のように、複数の`data`と`target`の中から**最も距離の小さい**最近傍点のペアを取り除きつつループしたほうがより自然になるかと思います。
|
|
44
|
+
|
|
45
|
+
```Python
|
|
46
|
+
|
|
47
|
+
import numpy as np
|
|
48
|
+
|
|
49
|
+
from scipy.spatial import KDTree
|
|
50
|
+
|
|
51
|
+
|
|
52
|
+
|
|
53
|
+
target = np.array([[1,1],[2,2],[3,3]])
|
|
54
|
+
|
|
55
|
+
data = np.array([[1.1,1.1],[1.4,1.4],[2.9,2.9]])
|
|
56
|
+
|
|
57
|
+
|
|
58
|
+
|
|
59
|
+
ret = []
|
|
60
|
+
|
|
61
|
+
while target.shape[0] > 0 and data.shape[0] > 0:
|
|
62
|
+
|
|
63
|
+
kdtree = KDTree(target)
|
|
64
|
+
|
|
65
|
+
dis, ids = kdtree.query(data)
|
|
66
|
+
|
|
67
|
+
dat_i = dis.argmin() # 最も距離の近いペアの位置
|
|
68
|
+
|
|
69
|
+
tar_i = ids[dat_i]
|
|
70
|
+
|
|
71
|
+
ret.append((data[dat_i], target[tar_i]))
|
|
72
|
+
|
|
73
|
+
data = np.delete(data, dat_i, 0)
|
|
74
|
+
|
|
75
|
+
target = np.delete(target, tar_i, 0)
|
|
76
|
+
|
|
77
|
+
|
|
78
|
+
|
|
79
|
+
print(ret) # [(array([1.1, 1.1]), array([1, 1])), (array([2.9, 2.9]), array([3, 3])), (array([1.4, 1.4]), array([2, 2]))]
|
|
80
|
+
|
|
81
|
+
```
|
1
追記
test
CHANGED
|
@@ -35,3 +35,7 @@
|
|
|
35
35
|
print(ret) # [(array([1.1, 1.1]), array([1, 1])), (array([1.4, 1.4]), array([2, 2])), (array([2.9, 2.9]), array([3, 3]))]
|
|
36
36
|
|
|
37
37
|
```
|
|
38
|
+
|
|
39
|
+
なお、この方法だと、データによっては直観に反した（不自然な）採り方をすることがありえます。
|
|
40
|
+
|
|
41
|
+
複数の`data`と`target`の中から**最も距離の小さい**最近傍点のペアを取り除きつつループしたほうがより自然になるかと思います。
|