两种折线的等距离分割方法(折线等分点)的python源码实现与比较 比例单元法与分步法

本文主要是介绍两种折线的等距离分割方法(折线等分点)的python源码实现与比较 比例单元法与分步法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

之前写过比例单元分割,现在修改如下getSplitXY,返回不含原来折点折线等分点数组与含原来折点的两个数组。经过比较检验,比例单元法与分步法的时间效率与N,n有关,见注释,分步法只返回包含原来折点的等分数组,可自行优化。代码如下:

import math
import time
import randomimport matplotlib.pyplot as plt# 与N n定有关,但还有其他因素,有时候第一种快,有时候第二种快 表面看有第一种性能更好;但因为前者有些不够完善,有影响,因此两种方法均可行
N = random.randint(5, 60)  # 第二种考虑因素多,某些情况会更加直观得出结果,因此有时候快,但是数据量越大,不确定因素越大,因此时间差距拉开
# 时间计算  N-n差值越大,用分步法,N-n越小,用比例法,正常情况差不多
line_coords = [[0, 0]]
print(f'N原始分段数值取:{N}')
while N >= 0:dx = random.randint(-1, 5)dy = random.randint(-1, 5)x = line_coords[len(line_coords) - 1][0] + dxy = line_coords[len(line_coords) - 1][1] + dyline_coords.insert(len(line_coords), [x, y])N = N - 1
n = random.randint(5,20)# 100段分1000以上会快一点
print(f'n目标等量分割值取:{n}')
# 总注释:比例单元分割法   不带详细注释版
print(f'原始坐标:{line_coords}')
t0 = time.time()# 分步法
def split_line(line_coords, n):# 计算折线总长度total_len = 0for i in range(len(line_coords) - 1):total_len += ((line_coords[i][0] - line_coords[i + 1][0]) ** 2 + (line_coords[i][1] - line_coords[i + 1][1]) ** 2) ** 0.5# 计算等分长度dis = total_len / n# 初始化等分点数组split_points = [line_coords[0]]# 计算等分点坐标i = 0while i < len(line_coords) - 1:# 计算当前线段长度cur_len = ((line_coords[i][0] - line_coords[i + 1][0]) ** 2 + (line_coords[i][1] - line_coords[i + 1][1]) ** 2) ** 0.5if cur_len < dis:# 如果当前线段长度小于等分长度,则跳过该线段dis -= cur_leni += 1else:# 计算等分点坐标ratio = dis / cur_lenx = line_coords[i][0] + ratio * (line_coords[i + 1][0] - line_coords[i][0])y = line_coords[i][1] + ratio * (line_coords[i + 1][1] - line_coords[i][1])split_points.append([x, y])line_coords.insert(i + 1, [x, y])dis = total_len / ni += 1# 确保最后一个点是折线的最后一个点if split_points[-1] != line_coords[-1]:split_points.append(line_coords[-1])return split_points# 比例归元法
def getSplitXY(array_xy,n):# 直角坐标距离计算 可以模拟经纬度距离 经过检验,不影响经纬度结果,这里使用直角坐标系距离计算# 提示:网络文章计算根据经纬度计算距离的函数方法可能有误,请自行检测def getDisArrDxy(array_xy):disArr = []dxy = []i = 0while i < len(array_xy) - 1:dx = array_xy[i + 1][0] - array_xy[i][0]dy = array_xy[i + 1][1] - array_xy[i][1]dis = (dx * dx + dy * dy) ** 0.5dxy.insert(i, [dx, dy])disArr.insert(i, dis)i = i + 1if i == len(array_xy) - 1:breakreturn disArr, dxyDisDxy = getDisArrDxy(array_xy)newdisArr = DisDxy[0]newDxy = DisDxy[1]# print(newDxy)# 等距离分隔值 分割常量dis = sum(newdisArr) / ndef IsEqual(x, y):IsEqual = FalseN1 = abs(x - y)if N1 < 0.000000001:IsEqual = Truereturn IsEqualdef IsInt(x):IsInt = FalseN1 = math.ceil(x) - xN2 = x - math.floor(x)if N1 < 0.000000001:x = math.ceil(x)return xif N2 < 0.000000001:x = math.floor(x)return xelse:return IsInt# 获取与分隔值比例数组 ArrDis 各分段Dis[i]/Dis# 比例初步整化 核心1def getIntRes(arrArr, array_xy):insert_xy = array_xy.copy()scale = arrArr.copy()# 剩余dis remanent 每一段最后一个取点位置 参考起点首个def getremanSc(scale):res = []sum = 0float = 0nn = 1  # 第1段开始取 目标段for i in range(0, len(scale)):sum = sum + scale[i]sc = sum / disif sc <= nn:  # 可插点的索引float = 1else:nn = math.ceil(sc)float = (scale[i] - (sum % dis)) / scale[i]res.insert(len(res), float)return resremanSc = getremanSc(scale)# 每一段第一个取点位置 参考起点首个def getFirst(scale):res = []sum = 0float = 0nn = 1  # 第1段开始取 目标段for i in range(0, len(scale)):sum = sum + scale[i]sc = sum / disif sc < nn:  # 可插点的索引float = 1else:nn = math.ceil(sc)float = 1 - (scale[i] - (sum % dis)) / scale[i]res.insert(len(res), float)return res#  每一段第一个取点位置  、参考起点尾scale.reverse()intSC = getFirst(scale)intSC.reverse()equalPts=[]# 整数化 比例分割def getIntSc(insert_xy, newDxy, intSC, remanSc):res = insert_xy.copy()j = 0for i in range(0, len(insert_xy) - 1):x0 = insert_xy[i][0] + newDxy[i][0] * intSC[i]y0 = insert_xy[i][1] + newDxy[i][1] * intSC[i]x1 = insert_xy[i][0] + newDxy[i][0] * remanSc[i]y1 = insert_xy[i][1] + newDxy[i][1] * remanSc[i]if IsEqual(insert_xy[i][0], x0) == True and IsEqual(insert_xy[i][1], y0) == True:res.insert(i + j + 1, [x1, y1])j = j + 1elif IsEqual(insert_xy[i+1][0], x1) == True and IsEqual(insert_xy[i+1][1], y1)==True:continueelse:if IsEqual(x0, x1) == True and IsEqual(y0, y1) == True:res.insert(i + j + 1, [x1, y1])j = j + 1else:res.insert(i + j + 1, [x0, y0])j = j + 1res.insert(i + j + 1, [x1, y1])j = j + 1return res# ("整数化 比例分割")res = getIntSc(insert_xy, newDxy, intSC, remanSc)return resgetIntxy = getIntRes(newdisArr, array_xy)resxy = getDisArrDxy(getIntxy)# cell单元化def getresxy(Intxy, intDisXY):rexy = Intxy.copy()j = 0for i in range(0, len(Intxy) - 1):if intDisXY[0][i] > dis:nn = (intDisXY[0][i] / dis)nn = IsInt(nn)ii = 1while ii < nn:x = Intxy[i][0] + ((((ii) * dis)) / intDisXY[0][i]) * intDisXY[1][i][0]y = Intxy[i][1] + ((((ii) * dis)) / intDisXY[0][i]) * intDisXY[1][i][1]if IsEqual(x,Intxy[i+1][0])==True and IsEqual(y,Intxy[i+1][1])==True:breakelse:rexy.insert(i + j + 1, [x, y])j = j + 1ii = ii + 1return rexyres_xy = getresxy(getIntxy, resxy)#print(res_xy)# cell 不含原折点坐标eqXY = [i for i in res_xy if i not in array_xy]#print(eqXY)return eqXY,res_xycellres = getSplitXY(line_coords, n)[0]
print(f'getSlitXY花费时间:{time.time() - t0:.11f}s')
print(cellres)
t1 = time.time()
xy = split_line(line_coords, n)
print(f'split_line花费时间:{time.time() - t1:.11f}s')
print(xy)
# 画出坐标系和折线
fig, ax = plt.subplots()
x_coords = [coord[0] for coord in line_coords]
y_coords = [coord[1] for coord in line_coords]
ax.plot(x_coords, y_coords)
# 计算折线长度# 画出等分点
x_coords = [coord[0] for coord in cellres]
y_coords = [coord[1] for coord in cellres]
ax.plot(x_coords, y_coords, 'ro')
# x_coord = [coord[0] for coord in xy]
# y_coord = [coord[1] for coord in xy]
# ax.plot(x_coord, y_coord, 'ro')plt.show()

getSplitXY的【0】示意图:

split_line函数目前只有一个小问题,就是每一段最后一个点实际与折线端点可能一样,但是不影响结果,可以用。

getSplitXY函数已经得到优化,相比于之前,大幅减少转化,原理参考上一篇文章。

split_line,getSlitXY的处理能力各有长处。一般情况都可以使用,大量数据的时候参考N,n差值

这篇关于两种折线的等距离分割方法(折线等分点)的python源码实现与比较 比例单元法与分步法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/477228

相关文章

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python使用Pandas对比两列数据取最大值的五种方法

《Python使用Pandas对比两列数据取最大值的五种方法》本文主要介绍使用Pandas对比两列数据取最大值的五种方法,包括使用max方法、apply方法结合lambda函数、函数、clip方法、w... 目录引言一、使用max方法二、使用apply方法结合lambda函数三、使用np.maximum函数

MySQL8.0设置redo缓存大小的实现

《MySQL8.0设置redo缓存大小的实现》本文主要在MySQL8.0.30及之后版本中使用innodb_redo_log_capacity参数在线更改redo缓存文件大小,下面就来介绍一下,具有一... mysql 8.0.30及之后版本可以使用innodb_redo_log_capacity参数来更改

Qt 中集成mqtt协议的使用方法

《Qt中集成mqtt协议的使用方法》文章介绍了如何在工程中引入qmqtt库,并通过声明一个单例类来暴露订阅到的主题数据,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一,引入qmqtt 库二,使用一,引入qmqtt 库我是将整个头文件/源文件都添加到了工程中进行编译,这样 跨平台

C++使用栈实现括号匹配的代码详解

《C++使用栈实现括号匹配的代码详解》在编程中,括号匹配是一个常见问题,尤其是在处理数学表达式、编译器解析等任务时,栈是一种非常适合处理此类问题的数据结构,能够精确地管理括号的匹配问题,本文将通过C+... 目录引言问题描述代码讲解代码解析栈的状态表示测试总结引言在编程中,括号匹配是一个常见问题,尤其是在

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

Java实现检查多个时间段是否有重合

《Java实现检查多个时间段是否有重合》这篇文章主要为大家详细介绍了如何使用Java实现检查多个时间段是否有重合,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录流程概述步骤详解China编程步骤1:定义时间段类步骤2:添加时间段步骤3:检查时间段是否有重合步骤4:输出结果示例代码结语作

Nginx设置连接超时并进行测试的方法步骤

《Nginx设置连接超时并进行测试的方法步骤》在高并发场景下,如果客户端与服务器的连接长时间未响应,会占用大量的系统资源,影响其他正常请求的处理效率,为了解决这个问题,可以通过设置Nginx的连接... 目录设置连接超时目的操作步骤测试连接超时测试方法:总结:设置连接超时目的设置客户端与服务器之间的连接

Java判断多个时间段是否重合的方法小结

《Java判断多个时间段是否重合的方法小结》这篇文章主要为大家详细介绍了Java中判断多个时间段是否重合的方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录判断多个时间段是否有间隔判断时间段集合是否与某时间段重合判断多个时间段是否有间隔实体类内容public class D

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip?2. 什么是 -i 参数?二、国内镜像源的选择三、如何