坐标变换方程代码验证及Numpy改写求助：结果不符排查

问题描述 #

我编写了坐标变换函数transformation_coord，但运行结果与预期不符，需要验证方程编写是否正确，同时将这些方程改用Numpy实现。

原代码 #

import math

def transformation_coord(x, y, l, r):
    """
    :param x: x坐标
    :param y: y坐标
    :param l: 线段长度，默认值4
    :param r: 圆弧半径，默认值3
    :return: 变换后的坐标(x_trans, y_trans)
    """
    x_trans = None
    y_trans = None
    # x变换方程
    if x < 0:
        arccos_val = (r - y) / math.sqrt(((x - l) ** 2) + ((y - r) ** 2))
        x_trans = (2 * l) + (r * math.pi) + (r * math.acos(arccos_val))
    elif 0 <= x <= l and y < r:
        x_trans = x
    elif 0 <= x <= l and y >= r:
        x_trans = (2 * l) + (r * math.pi) - x
    elif x > l:
        arccos_val = (r - y) / math.sqrt((x ** 2) + ((y - r) ** 2))
        x_trans = l + (r * math.acos(arccos_val))

    # y变换方程
    if x < 0:
        y_trans = math.sqrt((x ** 2) + ((y - r) ** 2)) - r
    elif 0 <= x <= l:
        y_trans = math.sqrt(((y - r) ** 2)) - r
    elif x > l:
        y_trans = math.sqrt(((x - l) ** 2) + ((y - r) ** 2)) - r

    return x_trans, y_trans

相关图示说明 #

• 数学方程图示：展示坐标变换的理论数学公式
• 原始坐标图示：展示待变换的原始坐标点分布
• 预期变换结果图示：展示坐标变换后的理想输出效果
• 实际输出结果图示：展示当前函数运行得到的实际输出效果

原代码问题排查 #

1. x变换方程错误 #

• x < 0 区域：分母计算错误，应计算点(x,y)到圆心(0, r)的距离，原代码误用(x - l)，导致距离计算偏差。
• x > l 区域：分母计算错误，应计算点(x,y)到圆心(l, r)的距离，原代码误用x**2，导致距离计算偏差。

2. y变换方程错误 #

• 0 <= x <= l 区域：原代码计算为|y - r| - r，结果存在偏移，正确计算应为y - r（直接保留y相对于圆心的偏移量）。

修正后的普通实现 #

import math

def transformation_coord_fixed(x, y, l=4, r=3):
    x_trans = None
    y_trans = None

    # 修正后的x变换计算
    if x < 0:
        dist = math.sqrt(x**2 + (y - r)**2)
        arccos_val = (r - y) / dist
        x_trans = 2 * l + r * math.pi + r * math.acos(arccos_val)
    elif 0 <= x <= l:
        x_trans = x if y < r else 2 * l + r * math.pi - x
    elif x > l:
        dist = math.sqrt((x - l)**2 + (y - r)**2)
        arccos_val = (r - y) / dist
        x_trans = l + r * math.acos(arccos_val)

    # 修正后的y变换计算
    if x < 0:
        y_trans = math.sqrt(x**2 + (y - r)**2) - r
    elif 0 <= x <= l:
        y_trans = y - r
    elif x > l:
        y_trans = math.sqrt((x - l)**2 + (y - r)**2) - r

    return x_trans, y_trans

Numpy向量化实现 #

利用Numpy布尔索引批量处理坐标点，无需循环，效率更高：

import numpy as np

def transformation_coord_numpy(x, y, l=4, r=3):
    # 初始化结果数组
    x_trans = np.zeros_like(x, dtype=np.float64)
    y_trans = np.zeros_like(y, dtype=np.float64)

    # 定义各区域布尔掩码
    mask_left = x < 0
    mask_mid = (0 <= x) & (x <= l)
    mask_mid_lower = mask_mid & (y < r)
    mask_mid_upper = mask_mid & (y >= r)
    mask_right = x > l

    # 计算x变换结果
    # 左区域
    dist_left = np.sqrt(x[mask_left]**2 + (y[mask_left] - r)**2)
    arccos_left = (r - y[mask_left]) / dist_left
    x_trans[mask_left] = 2 * l + r * np.pi + r * np.arccos(arccos_left)
    # 中间下半区域
    x_trans[mask_mid_lower] = x[mask_mid_lower]
    # 中间上半区域
    x_trans[mask_mid_upper] = 2 * l + r * np.pi - x[mask_mid_upper]
    # 右区域
    dist_right = np.sqrt((x[mask_right] - l)**2 + (y[mask_right] - r)**2)
    arccos_right = (r - y[mask_right]) / dist_right
    x_trans[mask_right] = l + r * np.arccos(arccos_right)

    # 计算y变换结果
    # 左区域
    y_trans[mask_left] = np.sqrt(x[mask_left]**2 + (y[mask_left] - r)**2) - r
    # 中间区域
    y_trans[mask_mid] = y[mask_mid] - r
    # 右区域
    y_trans[mask_right] = np.sqrt((x[mask_right] - l)**2 + (y[mask_right] - r)**2) - r

    return x_trans, y_trans

使用示例 #

# 单个点测试
x, y = -1, 3
x_t, y_t = transformation_coord_numpy(x, y)
print(f"原始坐标({x},{y}) → 变换后坐标({x_t:.2f},{y_t:.2f})")

# 批量点测试
x_arr = np.array([-2, 2, 5])
y_arr = np.array([0, 4, 3])
x_t_arr, y_t_arr = transformation_coord_numpy(x_arr, y_arr)
print(f"原始坐标数组: {list(zip(x_arr, y_arr))}")
print(f"变换后坐标数组: {list(zip(x_t_arr.round(2), y_t_arr.round(2)))}")

内容的提问来源于stack exchange，提问作者Rudina