python - 如何对列表中的二维数组对求和

Question

我需要一个好的解决方案来对二维向量对进行求和。

我想对 point1 和 point2、point2 和 point3 之间的距离求和...所以这必须对所有对完成(取决于点数)

a = np.array([[1, 1],[0, 0],[7, 9]])
permutations = [((1, 1), (0, 0), (7, 9)), ((1, 1), (7, 9), (0, 0)), ((0, 0), (1, 1), (7, 9))] ....

现在，在创建所有可能的排列之后，我想对距离进行求和，以便指定总体上哪个顺序是最短的方式。 为了获得我使用的点之间的距离:

    def calcDistance(a, b):
        d = np.linalg.norm(a-b)
        return d

但我不知道如何将其应用于列表来获取每对点的距离。我尝试使用 for 循环和切片来做到这一点。

for i in range(0, len(permutations), 3):
    print(permutations[i:i+3])

作为测试，它有效，但我不知道如何对列表中的每一对应用计算函数，并再次求和以获得总距离。 排列全部存储在一个列表中，因此我的想法是检查每次迭代的 n 元素(点/向量的数量)。

Answer 1

对于 3 点数组来说不太优雅，但 einsum 计算对于计算长度/距离很有用。在这种情况下，只需使用您的输入坐标序列和之前推荐的创建点顺序的方法

import itertools

a = np.array([[1, 1],[0, 0],[7, 9]])

p0 = np.asarray(list(itertools.permutations(a, 3)))

def _cal(a):
    """Perform the calculation, mini-e_leng."""
    diff = a[:-1] - a[1:]
    return np.nansum(np.sqrt(np.einsum('ij,ij->i', diff, diff)))

[_cal(i) for i in p0]
 [12.815967813364475,
 21.40175425099138,
 11.414213562373096,
 21.40175425099138,
 11.414213562373096,
 12.815967813364475]