我有一个顶点坐标矩阵（3乘以顶点数）和一个边数组（2乘以边数），它只存储边两边顶点的索引。[[0，1] [1，2] [2.3]]例如，这些数字是顶点矩阵中的点的索引我想创建一个边长数组，大概使用linalg.norm，但我不确定如何以矢量化的方式做到这一点。我知道我可以遍历这些边，找到每个坐标的范数，但我怎么在一个坐标中做到这一点呢？非常感谢我可以很容易地通过它循环，但不幸地失败，以掌握进一步
jucafojl1#
这里有一个例子。我将首先生成10个点在3维，然后4边。
import numpy as np coordinates = np.random.randint(0,2,(10,3)) edges = np.random.randint(0,9,(4,2))
coordinates现在是一个10x3矩阵，其中每行包含点的坐标x，y，z。在0和2之间使用randint，坐标将为0或1（更容易检查结果）。edges是一个4x2矩阵，其中每行包含边的一边的索引。如果我们现在计算
coordinates
randint
edges
edges_vectors = (coordinates[edges[:,0]] - coordinates[edges[:,1]])
我们有一个4 × 3的矩阵，其中每行对应于一条边，并包含这两个点之间的差。现在我们所要做的就是使用numpy的内置范数计算edges_vectors的行的范数：
edges_vectors
edge_norms = np.linalg.norm(edges_vectors,axis=1)
指定axis=1很重要，因为每行都是一个向量。
1条答案
按热度按时间jucafojl1#
这里有一个例子。我将首先生成10个点在3维，然后4边。
coordinates现在是一个10x3矩阵，其中每行包含点的坐标x，y，z。在0和2之间使用randint，坐标将为0或1（更容易检查结果）。edges是一个4x2矩阵，其中每行包含边的一边的索引。如果我们现在计算
我们有一个4 × 3的矩阵，其中每行对应于一条边，并包含这两个点之间的差。现在我们所要做的就是使用numpy的内置范数计算
edges_vectors的行的范数：指定axis=1很重要，因为每行都是一个向量。