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

pandas中位数填充空值的实现示例

《pandas中位数填充空值的实现示例》中位数填充是一种简单而有效的方法,用于填充数据集中缺失的值,本文就来介绍一下pandas中位数填充空值的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是中位数填充?为什么选择中位数填充?示例数据结果分析完整代码总结在数据分析和机器学习过程中,处理缺失数

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

Java对象转换的实现方式汇总

《Java对象转换的实现方式汇总》:本文主要介绍Java对象转换的多种实现方式,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Java对象转换的多种实现方式1. 手动映射(Manual Mapping)2. Builder模式3. 工具类辅助映

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指