numpy计算多组xyz坐标点最小距离及分量的代码问题咨询

• 重复调用函数：先后两次执行min_distance(V,Q)，每次调用都会向全局列表xyz_QV追加一次结果，所以最终输出有2行。
• 最小距离对应分量存储逻辑错误：找到最小距离时保存i-j的代码被注释，反而在循环全部结束后才追加i-j，此时的i、j是两组数组遍历到最后一个元素的值，和最小距离完全无关，所以分量结果错误。
• 函数依赖全局变量不通用：当前函数固定把分量写入全局的xyz_QV，无法适配QS、RS等其他数组对的计算需求。

修改函数逻辑，不依赖全局变量，同时返回最小距离和对应的差分量，可直接适配任意两组坐标的计算需求：

import numpy as np

def calc_min_distance(A, B):
    min_diff = float('inf')
    min_xyz = None
    for i in A:
        for j in B:
            vec = i - j
            current_diff = np.linalg.norm(vec)
            if current_diff < min_diff:
                min_diff = current_diff
                min_xyz = vec
    return min_diff, min_xyz

调用示例 #

# 计算QV对
r_QV, xyz_QV = calc_min_distance(V, Q)
# 计算QS对，传入你自己的S数组即可
r_QS, xyz_QS = calc_min_distance(Q, S)
# 计算RS对
r_RS, xyz_RS = calc_min_distance(R, S)

# 输出验证
print('r_min=', r_QV)
print(xyz_QV)

如果数组规模较大，可使用numpy广播优化版，避免嵌套循环，效率更高：

def calc_min_distance_fast(A, B):
    # 计算所有点对的差向量 shape (len(A), len(B), 3)
    vec_all = A[:, np.newaxis] - B[np.newaxis, :]
    # 计算所有点对距离 shape (len(A), len(B))
    dist_all = np.linalg.norm(vec_all, axis=-1)
    # 找到最小距离的位置索引
    min_idx = np.unravel_index(dist_all.argmin(), dist_all.shape)
    return dist_all[min_idx], vec_all[min_idx]

内容的提问来源于stack exchange，提问作者Pro