在python中将点云划分为象限

carsonc 发表于 Dev

卡森奇

假设我在3维中有30个点的数组，在python中转换为numpy数组：

import numpy as np
b = np.round(np.random.random((30,3))*20)
b = b - b.mean(axis=0)

我想参考点云的“质心”将这些点分成八个象限。我可以做这样的事情：

for a in (b, -b):
    q_list = a[a[:,0]>0.][a[a[:,0]>0.][:,1]>0][a[a[:,0]>0.][a[a[:,0]>0.][:,1]>0][:,2]>0]
    quad_list.append(q_list * sign)
    q_list = a[a[:,0]>0.][a[a[:,0]>0.][:,1]>0][a[a[:,0]>0.][a[a[:,0]>0.][:,1]>0][:,2]<=0]
    quad_list.append(q_list * sign)             
    q_list = a[a[:,0]>0.][a[a[:,0]>0.][:,1]<=0][a[a[:,0]>0.][a[a[:,0]>0.][:,1]<=0][:,2]>0]
    quad_list.append(q_list * sign)              
    q_list = a[a[:,0]>0.][a[a[:,0]>0.][:,1]<=0][a[a[:,0]>0.][a[a[:,0]>0.][:,1]<=0][:,2]<=0]
    quad_list.append(q_list * sign)
    sign *= -1

当然，这很好。它返回一个包含八个位置坐标数组的列表，每个位置坐标仅包含位于特定象限中的点。但是我觉得应该有更清晰，更简洁的方式来处理此问题。有什么建议吗？

这是一个递归解决方案。它适用于任意数量的尺寸。

import numpy as np

def split_into_quadrants(points, idx=0):
    if idx < points.shape[-1]:
        positive = points[points[:, idx] >= 0]
        negative = points[points[:, idx] < 0]
        return (split_into_quadrants(positive, idx+1) +
                split_into_quadrants(negative, idx+1))
    else:
        return [points]

b = np.round(np.random.random((30,3))*20)
b = b - b.mean(axis=0)
print(split_into_quadrants(b))

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。