我有两个由3d向量(numpy 1D数组)组成的矩阵,我需要按行计算向量之间的角度,并将结果返回到1d数组中。我知道如何计算两个1d向量之间的角度。正确的方法是什么?
***结果角度以度为单位,不是弧度。
现在,我有了这个:
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
注意从rad到deg的换算比例项180 / np.pi。
我想要一个数组:
C = [ angle(A[0],B[0]) , angle(A[1],B[1])...... and so on]
非常感谢有人可以帮忙。
我们可以用einsum
它们代替点积计算和axis
参数,norm
以得到矢量化的解决方案,例如:
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
,专门用于进行计算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,要解决我们的情况以获得度数的输出,
out = angle_rowwise(A, B)*180/np.pi
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句