小编Jea*_*ean的帖子

从一组点来看，我得到了scipy.spatial带有Delaunay或的凸包ConvexHull（来自 qhull 库）。现在我想将这个凸包外的点投影到船体上（即船体上与外部点距离最小的点）。

这是我到目前为止的代码：

from scipy.spatial import Delaunay, ConvexHull
import numpy as np

hu = np.random.rand(10, 2) ## the set of points to get the hull from
pt = np.array([1.1, 0.5]) ## a point outside
pt2 = np.array([0.4, 0.4]) ## a point inside
hull = ConvexHull(hu) ## get only the convex hull
#hull2 = Delaunay(hu) ## or get the full Delaunay triangulation

import matplotlib.pyplot as plt
plt.plot(hu[:,0], hu[:,1], "ro") ## plot all points
#plt.triplot(hu[:,0], …

我编写了一个克里金算法，但我发现它很慢。特别是，您是否知道我如何在下面的 cons 函数中矢量化这段代码：

import time
import numpy as np

B = np.zeros((200, 6))
P = np.zeros((len(B), len(B)))

def cons():
  time1=time.time()
  for i in range(len(B)):
    for j in range(len(B)):
      P[i,j] = corr(B[i], B[j])
  time2=time.time()
  return time2-time1

def corr(x,x_i):
  return np.exp(-np.sum(np.abs(np.array(x) - np.array(x_i))))    

time_av = 0.
for i in range(30):
  time_av+=cons()
print "Average=", time_av/100.

编辑：奖金问题

1. 如果我想要corr(B[i], C[j])C 与 B 相同的维度，广播解决​​方案会发生什么

2. 如果我的 p 范数订单是一个数组，scipy 解决方案会发生什么：

   p=np.array([1.,2.,1.,2.,1.,2.])
   def corr(x, x_i):
     return np.exp(-np.sum(np.abs(np.array(x) - np.array(x_i))**p))  
   

   Run Code Online (Sandbox Code Playgroud)

   对于 2.，我尝试过，P = np.exp(-cdist(B, C,'minkowski', p))但 …