在python的rdp（Ramer–Douglas–Peucker）算法中查找丢弃的点

Question

是否有办法从python的rdp算法中查找丢弃的点？

算法：

from rdp import rdp

rdp([[1, 1], [2, 2], [3, 3], [4, 4]])

给出压缩后剩余的点：

[[1, 1], [4, 4]]

如果我有一个很大的数据集并应用该算法，那么我想找到丢弃的点。有办法吗？

Answer 1

根据文档规定，rdp可以返回其余点的 mask ，它还提供了numpy数组的接口。

一种解决方案是将蒙版与numpy索引结合使用，以同时检索剩余点和废弃点：

import numpy as np
from rdp import rdp

arr = np.array([[1, 1], [2, 2], [3, 3], [4, 4]])
mask = rdp(arr, return_mask=True)

print("remaining: {}".format(arr[mask]))
print("discarded: {}".format(arr[~mask]))

输出

remaining: [[1 1]
 [4 4]]
discarded: [[2 2]
 [3 3]]

注意

arr[mask]表示选择掩码为正的那些点，arr[~mask]选择掩码为负的那些点。