我不明白函数scipy.spatial.Voronoi的脊顶点的返回格式。在 2D 中使用此功能时，一个脊的顶点成对出现，这是我期望的格式，但在 3D 中，脊中的顶点数往往超过 2 个点。

为什么一个山脊需要超过 2 个点？

通过一些后处理，我可以将格式简化为每个脊 2 个点吗？

例子

（intvor.ridge_vertices指的是 中的点索引vor.vertices）

语境：

我想使用 voronoi 脊顶点来骨架化 3D 对象。为此，我将对象网格化以选择表面的点，将它们提供给函数scipy.spatial.Voronoi并使用对象内部的脊顶点作为我的骨架。

作为一种解决方法，我目前正在使用这些区域来猜测山脊顶点，但它容易出现错误并且速度很慢。学习如何正确使用返回的脊顶点应该可以解决这个问题。

我想使用 voronoi 骨架化的原因是因为它似乎最容易实现。我知道skimage.morphology.skeletonize_3d，但它往往会丢失较小的细节（不够明智）并且没有可使用的参数。

我正在使用 Delaunay 三角剖分在一些函数值中进行插值，这些函数值是在常规 4 维网格上的一组参数处评估的。有时，当参数值发生少量变化并将其带到新的单纯形时，单纯形中不止一个点会发生变化。我希望随着我不断改变其中一个参数，我会通过一次仅更改单纯形中的一个点来从单纯形转移到单纯形（我的代码中通常也是这种情况）。相反，请考虑以下脚本：

产生

请注意，这两个单纯形相差 3 个点，我期望有一个，而且我还没有设计一个 2-D 或 3-D 示例，其中不止一个顶点会发生变化。

我 99% 确定这是因为我的分数在常规网格上，但我找不到关于为什么或如何避免问题的详细答案。我知道三角测量不是唯一的，但这从根本上不是问题。各种技巧似乎改变了我遇到这个问题的地方，但我还没有找到防止问题出现在任何地方的“修复”。

编辑

我设法找到了一个 3D 示例，这使我可以可视化问题。

这是输出的两个方面。

蓝色和橙色的单纯形包含在它穿过y = 0（从正到负）之前和之后的插值点。我的假设是两个单纯形沿y = 0 平面具有相同的三角形面，但显然这是不正确的。在这种退化的情况下，这是 Delaunay 三角剖分的基础还是与实施有关？有没有办法避免它？QHull 选项Qx（在 SciPy 的 D>4 的默认选项中）似乎对这个例子有帮助，但我不确定全局。

我正在尝试计算两个样本之间的相似性。我不满意的python函数sklearn.metrics.pairwise.cosine_similarity和 返回结果。scipy.spatial.distance.cosine例如：

• 在下文中，我预计为 0.0%，因为这两个样本没有相同的样本。

• 我预计会有 0.25% 的相似性，因为两个数组中只有一个样本，即第一个 (1) 样本是相同的。

• 以同样的方式，我们有以下我预计预期为 0.5% 的情况。两个相同的样本（1 和 16）

• 这里预计为 0.75%。三个相同的样本（1、16 和 4）

python有没有办法实现那些预期的结果？

我正在尝试生成 Voronoi 分割多边形，但无法理解 Voronoi 的 Scipy 实现中的参数“furthest_site=True”。

从 scipy.spatial 导入 Voronoi，voronoi_plot_2d

点 = np.array([[0, 0], [0, 1], [0, 2], [1, 0], [1, 1], [1, 2], [2, 0], [ 2, 1], [2, 2]])

vor = Voronoi（点，最远的站点=真）

将 matplotlib.pyplot 导入为 plt

图 = voronoi_plot_2d(vor) plt.show()

这给了我输出：

属性“furthest_site=True”的解释是什么

我在这里做错了什么？

我有一个使用旋转矩阵和 NumPy 旋转欧拉角输入的函数。这被证明是正确的，因为它目前正在无人机上运行，​​这些无人机在其飞行控制回路中实时使用它。

我正在尝试使用 SciPy Rotation 来实现相同的功能。当我这样做时，结果是乱码，但是如果我似乎没有理由将 inv() 放在那里，它会给出正确的答案。东西放哪儿了？

VF、BUL 和 VTOL 只是不同的参考系。我从 yaml 加载旋转矩阵。我的输入 (vehicle_rph) 是在 VF 框架中测量的向量时间序列数组，但我需要知道 VTOL 框架中的答案。yaml 中的所有内容都与 BUL 进行比较，因此为了从 VF 到达 VTOL，如果必须通过 VF -> BUL -> VTOL

下面我做了两次——一次在 NumPy 中，一次在 SciPy 中。如您所见，当我将随机 inv() 放在那里时，NumPy（被证明是正确的）与 SciPy 匹配。如果你能告诉我为什么 Z 轴略有不同，那么加分，但它已经足够接近我的需要了。

提前致谢！！

输入：

输出：

我被告知双 for 循环在 Python 中很慢。然而，在深入研究Scipy.spatial.distance.cdist()的实现时，我发现它只是一个双循环而不是一些聪明的 numpy 技巧。然而，许多答案（例如https://stackoverflow.com/a/62416370）建议使用cdist().

我的问题是：如果函数只是天真地迭代 O(n^2) 中的所有元素，为什么它仍然如此之快？

这是此处帖子的后续内容。

我正在尝试将从 Scipy 的 Delaunay 三角剖分返回的单纯形转换为 Networkx 图。

代码：

错误：

我不确定如何解决此错误。建议将非常有帮助。

我使用 Scypi 的 Delaunay 三角剖分构建了一个应用程序。为了验证它，我想做一个 Hold-One-Out 测试，这意味着下面提到的代码片段被调用了很多次（~1e9）。因此，我想让它尽可能快。

这是我想加快速度的最小工作示例：

大部分时间都被find_simplex方法用完了，在我的机器上大约 200 毫秒到 300 毫秒。有什么办法可以加快速度吗？我已经查看了 Delaunay 构造函数中的qhull_options，但是我没有成功。

请注意，我无法更改整体结构，因为“真实”程序运行良好，并且此计算仅用于验证。非常感谢！

在每一帧的实验中，我有一些点可以说明行人的头部。我需要计算特定区域中的 Voronoi 细胞 - 测量正方形：

所以我改编了一个从点生成 Voronoi 细胞的样本+ 我添加了测量区域（蓝线）和墙壁（黑色），这是第 0 帧的结果：

这是代码的一部分（改编自示例）：

据我所知，为了计算哪些单元格在测量区域内，我需要检查哪些单元格线与测量正方形交叉或在其内。因此，根据scipy.spatial.Voronoi 的文档，有趣的属性是：vertices，它返回那些橙色顶点。我还需要在测量区域内有顶点的边缘，根据scipy.spatial.Voronoi 的文档的属性是ridge_vertices，但不幸的是它返回了一些奇怪的东西：

在文档中，我看不到如何理解返回的数字。也在教程中解释如何解决我的问题。所以我的问题是：如何计算在测量区域内至少有一个点的 Voronoi 细胞？

它说“无法解决”。我正在将 python 用于 boids 程序。