我有两个由3d矢量(numpy 1D数组)组成的矩阵,我需要计算矢量之间的角度,逐行,并将结果返回到1d数组。我知道如何计算两个1d向量之间的角度。这样做的正确方法是什么?
***得到的角度以度为单位而不是弧度。
到现在为止我有这个:
import numpy as np
A = np.array([[1,0,0],
[0,1,0],
[0,0,1]])
B = np.array([[1,0,1],
[1,1,0],
[0,1,0]])
def angle(V1,V2):
"""
angle between vectors V1 and V2 in degrees using
angle = arccos ( V1 dot V2 / norm(V1) * norm(V2) ) *180/np.pi
"""
cos_of_angle = V1.dot(V2) / (np.linalg.norm(V1) * np.linalg.norm(V2))
return np.arccos(np.clip(cos_of_angle,-1,1)) * 180/np.pi
注意缩放项180 / np.pi用于从rad到deg的转换。
我想要一个数组:
C = [ angle(A[0],B[0]) , angle(A[1],B[1])...... and so on]
真的很感激,如果有人可以帮忙。
我们可以使用einsum
替换点积计算和axis
参数为norm
,以获得矢量化解,就像这样 -
def angle_rowwise(A, B):
p1 = np.einsum('ij,ij->i',A,B)
p2 = np.linalg.norm(A,axis=1)
p3 = np.linalg.norm(B,axis=1)
p4 = p1 / (p2*p3)
return np.arccos(np.clip(p4,-1.0,1.0))
我们可以进一步优化并引入更多的einsum
,特别是用它来计算norms
。因此,我们可以像这样使用它 -
def angle_rowwise_v2(A, B):
p1 = np.einsum('ij,ij->i',A,B)
p2 = np.einsum('ij,ij->i',A,A)
p3 = np.einsum('ij,ij->i',B,B)
p4 = p1 / np.sqrt(p2*p3)
return np.arccos(np.clip(p4,-1.0,1.0))
因此,要解决我们的案例以获得度数 -
out = angle_rowwise(A, B)*180/np.pi
如果你正在使用3D矢量,你可以使用toolbelt vg简洁地完成。它是numpy顶部的一层光层,它可以很好地处理单个矢量和矢量堆栈。
import numpy as np
import vg
A = np.array([[1,0,0],
[0,1,0],
[0,0,1]])
B = np.array([[1,0,1],
[1,1,0],
[0,1,0]])
vg.angle(A, B)
我在上次创业时创建了这个库,它的用途就是这样:在NumPy中简单的想法是冗长或不透明的。