Question

我目前有一个python脚本，它读入一个3列文本文件，其中包含助行器的x和y坐标以及它们行走的时间。

我已阅读此数据并将其分配到numpy数组中，如下面的代码所示：

import numpy as np
import matplotlib.pyplot as plt

data = np.loadtxt("info.txt", delimiter = ',')

x = data[:,0]
y = data[:,1]
t = data[:,2]

文件格式如下（x，y，t）：

5907364.2371    -447070.881709  2193094
5907338.306978  -447058.019176  2193116
5907317.260891  -447042.192668  2193130

我现在想要找到步行者行进的距离作为时间的函数。我能想到的一种方法是将x坐标的差异和循环中y坐标的所有差异相加。这似乎是一个非常漫长的方法，但我认为它可以用一种数值积分来解决。有没有人对我能做什么有任何想法？

Answer 1

要计算距离＆＃34;沿途＆＃34;，您必须首先获得每一步的距离。

这可以通过索引dx = x[1:]-x[:-1]在组件方面获得。然后，每步的距离为＆＃34; dx的平方根** 2 + dy ** 2＆＃34;请注意，此数组的长度小于1，因为相对于步数的间隔减少一个。这可以通过分配距离＆＃34; 0＆＃34;到了第一次数据。这是＆＃34; concatenate＆＃34;的作用。下面的一行。

这里没有数字积分，而是累积和。要执行数值积分，您需要运动方程（例如）。

额外更改：我使用np.loadtxt unpack=True参数来保存几行。

import numpy as np
import matplotlib.pyplot as plt

x, y, t = np.loadtxt("info.txt", unpack=True)

dx = x[1:]-x[:-1]
dy = y[1:]-y[:-1]

step_size = np.sqrt(dx**2+dy**2)

cumulative_distance = np.concatenate(([0], np.cumsum(step_size)))

plt.plot(t, cumulative_distance)

plt.show()

Answer 2

通常，为了让步行距离更远，您可以总结较小的距离。你的步行者可能不是在网格上行走（也就是说，x中的一步和y中的一步），而是对角线（想想毕达哥拉斯定理）

所以，在python中它可能看起来像这样......

distanceWalked = 0
for x_y_point in listOfPoints:
    distanceWalked = distanceWalked  + (x_y_point[0] **2 + x_y_point[1] **2)**.5

其中listOfPoints类似于[[0,0]，[0,1]，[0,2]，[1,2]，[2,2]]

或者，您可以使用pandas。

import pandas as pd
df = pd.read_csv('info.txt',sep = '\t')
df['helpercol'] = (df['x']**2 +df['y']**2 )**.5
df['cumDist'] = df['helpercol'].cumsum()

现在，您的数据框中每次累积距离

Answer 3

有几种方法可以获得点之间的欧几里德距离：

Numpy：

import numpy as np
dist = np.linalg.norm(x-y)
dist1= np.sqrt(np.sum((x-y)**2)))

SciPy的：

from scipy.spatial import distance
dist = distance.euclidean(x,y)

找到从（x，y）坐标

3 个答案: