python 查找二维数组的相邻元素

#coding=utf-8

成都创新互联是一家专业提供福安企业网站建设,专注与成都做网站、网站设计、外贸营销网站建设、html5、小程序制作等业务。10年已为福安众多企业、政府机构等服务。创新互联专业网站设计公司优惠进行中。

'''

Created on 2014-3-21

@author: Neo

'''

def PrintList(array):#输出数组

for i in range(array.__len__()):

print array[i]

def SetList(array):#给数组赋值

row = 11

col = 11

for i in range(array.__len__()):

for j in range(array[i].__len__()):

array[i][j] = row

row += 10

col += 1

row = col

print "赋值后的二维数组:"

PrintList(array) 

return array   

def InitList(x, y):

#初始化一个二维数组

array = [([0] * y) for i in range(x)]

return array

def GetListByCoord(array, radius, x, y):

#根据半径来确定数组的行数和列数

row_col = 2 * radius + 1

#初始化结果数组

result = InitList(row_col, row_col)

#获取传入的array的行数和列数

arrayRow, arrayCol = len(array), len(array[0])

#坐标x、y的值即为结果数组的中心，依此为偏移

for i in range(result.__len__()):

for j in range(result.__len__()):

if (i+x-radius  0 or j+y-radius  0 or 

i+x-radius = arrayRow or j+y-radius = arrayCol):

result[i][j] = 0

else:

result[i][j] = array[i+x-radius][j+y-radius]

#打印结果

print "结果为："

PrintList(result)

if __name__ == '__main__':

#数组7列6行

array = SetList(InitList(6,7))

GetListByCoord(array, 1, 3, 3)

GetListByCoord(array, 2, 3, 3)

GetListByCoord(array, 2, 0, 0)

GetListByCoord(array, 2, 0, 6)

GetListByCoord(array, 2, 5, 0)

GetListByCoord(array, 2, 5, 6)

运行结果为：

---------------------------------------------------------------------------------------------

赋值后的二维数组:

[11, 21, 31, 41, 51, 61, 71]

[12, 22, 32, 42, 52, 62, 72]

[13, 23, 33, 43, 53, 63, 73]

[14, 24, 34, 44, 54, 64, 74]

[15, 25, 35, 45, 55, 65, 75]

[16, 26, 36, 46, 56, 66, 76]

结果为：

[33, 43, 53]

[34, 44, 54]

[35, 45, 55]

结果为：

[22, 32, 42, 52, 62]

[23, 33, 43, 53, 63]

[24, 34, 44, 54, 64]

[25, 35, 45, 55, 65]

[26, 36, 46, 56, 66]

结果为：

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

[0, 0, 11, 21, 31]

[0, 0, 12, 22, 32]

[0, 0, 13, 23, 33]

结果为：

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

[51, 61, 71, 0, 0]

[52, 62, 72, 0, 0]

[53, 63, 73, 0, 0]

结果为：

[0, 0, 14, 24, 34]

[0, 0, 15, 25, 35]

[0, 0, 16, 26, 36]

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

结果为：

[54, 64, 74, 0, 0]

[55, 65, 75, 0, 0]

[56, 66, 76, 0, 0]

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

python如何根据经纬度输出最近距离点

但是这样是一连串的数字不是我们想要的结果，我们可以利用time模块的格式化时间的方法来处理：

time.localtime(time.time())

用time.localtime()方法，作用是格式化时间戳为本地的时间。

输出的结果是：

time.struct_time(tm_year=2010, tm_mon=7, tm_mday=19, tm_hour=22, tm_min=33, tm_sec=39, tm_wday=0, tm_yday=200, tm_isdst=0)

Python列表的常用操作- 查找方法【详细讲解】

列表的作用是一次性存储多个数据，程序员可以对这些数据进行的操作有：增、删、改、查。

下面讲解的是对列表的查找操作，可以分为两种方法，一种是根据下标来进行查找，另外一种是根据查找函数来操作。

回忆一下知识点，之前讲过字符串的时候有说到下标，下标是计算机内存分配的从0开始的编号，目的是根据下标可以找到针对性的数据。列表也可以根据下标来找到数据，后面学习的元组同样也可以。

语法：

注意：如果以后都是用下标来查找数据，语法无非就是：序列名[下标]

快速体验：

打印结果如图：

语法：

快速体验：

执行结果如图：

注意：

语法：

快速体验：

注意 ：

-- 2. 如果书写了开始和结束位置的下标，则在这个范围内查找，存在则返回开始位置的下标，如果查找的数据不存在则返回0；

语法：

注意： len()方法是一个公共的方法，无论是字符串、列表还是元组都可以使用

快速体验：

以上就是列表的4种查找方法，每个方法有自己的语法和作用，这个知识点属于 Python基础教程 范畴，所以学起来还是比较轻松地，大家主要多多练习记住函数以及使用方法即可。

python编程，输入一个点坐标，找出已知散点云中离输入坐标最近点的坐标，怎么实现？

1、首先下载安装python，建议安装2.7版本以上，3.0版本以下，由于3.0版本以上不向下兼容，体验较差。

2、打开文本编辑器，推荐editplus，notepad等，将文件保存成 .py格式，editplus和notepad支持识别python语法。

脚本第一行一定要写上 #!usr/bin/python

表示该脚本文件是可执行python脚本

如果python目录不在usr/bin目录下，则替换成当前python执行程序的目录。

3、编写完脚本之后注意调试、可以直接用editplus调试。调试方法可自行百度。脚本写完之后，打开CMD命令行，前提是python 已经被加入到环境变量中，如果没有加入到环境变量，请百度

4、在CMD命令行中，输入 “python” + “空格”，即 ”python “；将已经写好的脚本文件拖拽到当前光标位置，然后敲回车运行即可。

python如何在众多的点中找到与特定点最近的点的算法

首先目测一下查询大概不止一次所以前面那些统统乘个Q就大爆炸吧。

平民的做法写个kdtree基本sqrt n复杂度对付10w的数据量应该轻松愉快，动态的话套个替罪羊。

泥垢无聊的话动态v图欢迎入坑 传闻是logn的我没写过不知道会不会比上面的慢。

啊找到了我记得这个大轮子应该可以很简单（不如手写）的解决你的问题

PCL - Point Cloud Library (PCL)

-

单纯的替罪羊套kdt放到这种场合可能不大合适……毕竟修改一次可能锁死整个子树……（当然可以不用替罪羊，缓存sqrt n个修改，然后每sqrt n个修改暴力重构整个树，重构完成之前就先用原来的，然后再加上各种奇怪的优化……。）

然后再YY一下，我个人觉得他们可能是这样干的，首先把地图切成一块一块的每块足够小。然后随便YY一下按照每个地方人数的多少，取一个合适的am^2范围内最多有x人，然后只要这个x够小，查询的时候只查询当前用户所在的区块和周围的几个区块就好了，然后你就可以用轮子哥那样的sql查询啦～

如果还是有问题要么加服务器，或者最不济还可以对这个区块再维护kdtree。而且这样修改起来还方便。

至于用户周围都没有人，最近的有人区块在几十公里外…

2021-02-07 Python scipy ndimage.zoom()函数

此函数将输入的图片从一个颜色域转换到另一个。

input: 以数组形式输入图片

zoom:浮点数或数组。如果是一个浮点数，对每一个轴放缩相同的倍数。如果是一个数组，则对每一个轴分配一个值。

output:输出，默认为None

order:整型（范围0-5）样条插值的顺序，默认为3。详见后续

mode:字符串，包括{‘reflect’, ‘constant’, ‘nearest’, ‘mirror’, ‘wrap’}，输入的数组如何扩展边界，默认为 ‘constant'（具体参考官方文档 插值的边界处理 ）

cval:浮点数，当插值的边界处理模式为’constant‘时发挥作用。默认为0.0

prefilter:bool,input输入的数组是否经过一个预样条滤波器，默认为True

设原图 ,

目标图片

设 之比为 , ,则:

设原图坐标上的像素点 ，

目标图片坐标上的像素的为

1.计算目标图片的坐标点对应原图中哪个坐标点，公式为：

2.根据dst_x,dst_y的值四舍五入为整数，填充到目标图片的相应位置。

由上图可以看到，经过转换后的图片出现了锯齿感。

1.计算目标图片的坐标点对应原图中哪个坐标点（此步与最邻近插值算法相同），公式为：

2.由于点 是个浮点数坐标，无法用整型的灰度值或RGB值来表示，因此双线性插值算法通过寻找距离这个对应坐标最近的四个像素点，来计算该点的值（灰度值或者RGB值）。

设分解后的坐标为：

首先，在x方向上进行线性插值， 代表该点的像素值。

然后，在y方向上进行线性插值：

得到的 就是该点经过处理后的像素值，填充到目标图片的相应位置。

可见，双线性插值算法的锯齿感要少于最邻近插值法。

三次插值法(cubic interpolation method)是一种 多项式插值法 ，逐次以 三次曲线 φ(t)=a 0 +a 1 t+a 2 t 2 +a 3 t 3 的极小点逼近寻求函数f(t)的极小点的一种方法.(摘自 百度百科 )

可见，三次插值法处理后的图片几乎没有锯齿感

网站栏目：python找最近点函数 python寻找距离最近的点
当前地址：http://kswjz.com/article/doosdis.html