Python列表式浮点数坐标带容差去重追加方法问询

我完全懂你的困扰——三角函数生成的浮点数坐标总会带点精度误差，明明是“几乎重合”的点，却被当成新坐标追加进去，这确实挺闹心的。下面给你两种实用的实现方案，既满足保持原列表类型的要求，又能灵活处理精度容忍度：

方法一：纯Python原生实现（无需额外依赖） #

这种方案完全用原生Python写，适合不想引入numpy的场景。核心思路是计算坐标间的欧氏距离平方（省去开根号的步骤，提升计算效率），和容忍度的平方做比较：

def is_coord_approx_exist(coord, coord_list, tol):
    tol_squared = tol ** 2
    for existing_coord in coord_list:
        # 计算两个坐标的欧氏距离平方
        distance_squared = sum((a - b)**2 for a, b in zip(coord, existing_coord))
        if distance_squared < tol_squared:
            return True
    return False

使用示例 #

coord_list = [[0,0],[1,0]]
new_coord = [0.99999999999, 0.000000000001]
tol = 1e-10

if not is_coord_approx_exist(new_coord, coord_list, tol):
    coord_list.append(new_coord)
# 这里不会执行追加操作，因为函数返回True

方法二：用numpy优化（适合大规模坐标列表） #

如果你的坐标列表非常大（比如上万条数据），纯Python遍历会有点慢，用numpy的向量运算能大幅提升效率。注意：这里只是临时把列表转成numpy数组计算，原列表的类型完全保持不变：

import numpy as np

def is_coord_approx_exist_np(coord, coord_list, tol):
    # 临时转换为numpy数组做向量运算
    existing_arr = np.array(coord_list)
    target_arr = np.array(coord)
    # 计算所有坐标与目标坐标的欧氏距离
    distances = np.linalg.norm(existing_arr - target_arr, axis=1)
    # 判断是否存在距离小于容忍度的坐标
    return np.any(distances < tol)

使用示例 #

coord_list = [[0,0],[1,0]]
new_coord = [0.99999999999, 0.000000000001]
tol = 1e-10

if not is_coord_approx_exist_np(new_coord, coord_list, tol):
    coord_list.append(new_coord)
# 同样不会执行追加操作

小提示 #

• 两种方案都不会修改原coord_list的列表类型，完全符合你的约束条件
• 优先推荐纯Python方案，除非你的坐标列表规模确实很大，再考虑numpy优化
• 用距离平方代替距离本身是个小技巧，能避免开根号的计算开销，结果判断完全等价

内容的提问来源于stack exchange，提问作者User123456789