在二维numpy数组中查找最邻近坐标的方法求助

直接用NumPy的数组运算就能高效解决这个问题，步骤如下：

完整代码示例 #

import numpy as np

# 你的二维坐标数组
points = np.array([
    [77.62881735, 12.91172607],          
    [77.6464534,  12.9230648],
    [77.65330961, 12.92020244],
    [77.63142413, 12.90909731]
])

# 目标坐标
target = np.array([77.64000112, 12.91602265])

# 计算每个点与目标点的欧氏距离平方（无需开根号，不影响最小值判断）
distances_sq = np.sum((points - target) ** 2, axis=1)

# 找到距离最小的点的索引
closest_idx = np.argmin(distances_sq)

# 获取最邻近的坐标
closest_point = points[closest_idx]

print("最邻近的坐标:", closest_point)

步骤解释 #

1. 导入NumPy：NumPy是处理数值数组的核心库，必须先导入。
2. 定义数组：将你的二维坐标集合和目标坐标分别定义为NumPy数组。
3. 计算距离平方：对每个点与目标点做差、平方后按行求和，得到每个点的欧氏距离平方（用平方代替完整欧氏距离是为了减少计算量，结果不影响最小值的选取）。
4. 查找最小距离索引：用np.argmin()获取距离平方最小的元素对应的索引。
5. 提取结果：通过索引从原二维数组中取出对应的坐标，就是最邻近的点。

运行上述代码，输出的结果为 [77.6464534 12.9230648]，这就是与目标坐标最接近的点。

内容的提问来源于stack exchange，提问作者Sudhanwa