使用Scipy库函数解决凸包问题

scipy.spatial.ConvexHull函数可以直接解决凸包问题,它的返回值有两个,分别是area和simplices。

  • area:是一个值,表示最大凸多边形的面积。
  • simplices:是一个尺寸为[N,2]的二维数组,N 代表最大凸多边形中包含的点数,2 表示相邻两个外围点在数组中的顺序,即他们的下标。要注意:二维数组中相邻的两个元素各自组成的连线(两点连成一线)在图中并不一定是相连的,也就是说,最大凸多边形的N-1条边,并不一定是按逆时针或顺时针生成的。

一、代码

import numpy as np
import random
import scipy.spatial as spt
import matplotlib.pyplot as plt
plt.rc('font', family='simhei', size=10)    # 设置中文显示,字体大小


points = np.random.randint(0, 50, (50, 2))
plt.scatter(x=points[:, 0], y=points[:, 1], marker='*', color='blue')

# 调用ConvexHull函数解决凸包问题
hull = spt.ConvexHull(points=points)


for sim in hull.simplices:
    plt.plot(points[sim, 0], points[sim, 1], 'red')   
    # 数组下标用逗号隔开表示行和列分开处理。(逗号的两边还可以各加冒号限定行或列的范围)
    # 比如points[sim, 0]就表示所有点中横坐标下标为sim(两行),纵坐标下标为0(1列)的值,这些值恰好是相邻两点的x坐标,两个值,再加上points[sim, 1]也是两个值,共4个值,满足plot的参数要求。
    # plot基本参数要求:plt.plot(点1横坐标, 点2横坐标,点1纵坐标,点2纵坐标, color='')  

    plt.title("最大凸多边形面积:{}".format(hull.area)) # 图形标题
 
plt.show()

二、运行结果

使用Scipy库函数解决凸包问题_第1张图片


你可能感兴趣的:(python算法机器学习)