Python中是否存在IDL dist()函数的等效实现及中心距离矩阵生成方法？

需求说明 #

IDL中的dist(n)函数会生成一个n×n矩阵，每个元素是到[0,0]或对角另一端点的最近直线距离。想要通过滚动行列，得到以矩阵中心点为基准的距离数组，比如IDL中Shift(dist(5),2,2)的输出效果：

2.82843 2.23607 2.00000 2.23607 2.82843 
2.23607 1.41421 1.00000 1.41421 2.23607 
2.00000 1.00000 0.000000 1.00000 2.00000 
2.23607 1.41421 1.00000 1.41421 2.23607 
2.82843 2.23607 2.00000 2.23607 2.82843

Python实现方案 #

用numpy库可以轻松实现，提供两种思路：

方法一：直接计算到中心的距离（最简洁）

直接生成以矩阵中心为原点的网格坐标，计算每个点到中心的欧氏距离，结果和IDL示例完全一致：

import numpy as np

n = 5
# 生成以中心为原点的网格坐标
x = np.arange(n) - (n - 1) / 2
y = np.arange(n) - (n - 1) / 2
xx, yy = np.meshgrid(x, y)
# 计算欧氏距离
dist_matrix = np.sqrt(xx ** 2 + yy ** 2)

print(dist_matrix)

输出：

[[2.82842712 2.23606798 2.         2.23606798 2.82842712]
 [2.23606798 1.41421356 1.         1.41421356 2.23606798]
 [2.         1.         0.         1.         2.        ]
 [2.23606798 1.41421356 1.         1.41421356 2.23606798]
 [2.82842712 2.23606798 2.         2.23606798 2.82842712]]

方法二：模拟IDL的dist+Shift流程

先复刻IDL的dist(n)逻辑，再用np.roll实现行列滚动，完全对应IDL的操作步骤：

import numpy as np

n = 5
# 生成IDL风格的dist(n)矩阵：到[0,0]或[n-1,n-1]的最近距离
x = np.arange(n)
y = np.arange(n)
xx, yy = np.meshgrid(x, y)
dist_idl = np.minimum(np.sqrt(xx**2 + yy**2), np.sqrt((n-1-xx)**2 + (n-1-yy)**2))

# 滚动行列，对应IDL的Shift(dist_idl, 2, 2)
shifted_matrix = np.roll(np.roll(dist_idl, shift=(n-1)//2, axis=0), shift=(n-1)//2, axis=1)

print(shifted_matrix)

该方法输出与IDL示例、方法一完全一致。

内容的提问来源于stack exchange，提问作者SatraLim