testing/nose/exercises/close-line/close_line.py

   1 import numpy as np
   2 from scipy.optimize import fmin
   3
   4 #
   5 # Attempt 1
   6 #
   7
   8 def point_on_line1(x, p1, p2):
   9     y = p1[1] + (x - p1[0])*(p2[1] - p1[1]) / (p2[0] - p1[0])
  10     return np.array([x, y])
  11
  12
  13 def dist_from_line1(x, pdata, p1, p2):
  14     pline = point_on_line1(x, p1, p2)
  15     return np.sqrt(np.sum((pline - pdata)**2))
  16
  17
  18 def closest_data_to_line1(data, p1, p2):
  19     dists = np.empty(len(data), dtype=float)
  20     for i, pdata in enumerate(data):
  21         x = fmin(dist_from_line1, p1[0], (pdata, p1, p2), disp=False)[0]
  22         dists[i] = dist_from_line1(x, pdata, p1, p2)
  23     imin = np.argmin(dists)
  24     return imin, data[imin]
  25
  26
  27 #
  28 # Attempt 2
  29 #
  30
  31 def dist_from_line2(pdata, p1, p2):
  32     a = np.sqrt(np.sum((p1 - pdata)**2))
  33     b = np.sqrt(np.sum((p2 - pdata)**2))
  34     c = np.sqrt(np.sum((p2 - p1)**2))
  35     h = a * np.sqrt(1.0 - ((a**2 + c**2 - b**2) / (2.0 * a * c))**2)
  36     return h
  37
  38 def closest_data_to_line2(data, p1, p2):
  39     dists = np.empty(len(data), dtype=float)
  40     for i, pdata in enumerate(data):
  41         dists[i] = dist_from_line2(pdata, p1, p2)
  42     imin = np.argmin(dists)
  43     return imin, data[imin]
  44
  45 #
  46 # Attempt 3
  47 #
  48
  49 def perimeter3(pdata, p1, p2):
  50     a = np.sqrt(np.sum((p1 - pdata)**2))
  51     b = np.sqrt(np.sum((p2 - pdata)**2))
  52     c = np.sqrt(np.sum((p2 - p1)**2))
  53     return (a + b + c)
  54
  55 def closest_data_to_line3(data, p1, p2):
  56     peris = np.empty(len(data), dtype=float)
  57     for i, pdata in enumerate(data):
  58         peris[i] = perimeter3(pdata, p1, p2)
  59     imin = np.argmin(peris)
  60     return imin, data[imin]
  61
  62 #
  63 # Attempt 4
  64 #
  65
  66 def closest_data_to_line4(data, p1, p2):
  67     return data[np.argmin(np.sqrt(np.sum((p1 - data)**2, axis=1)) + \
  68                 np.sqrt(np.sum((p2 - data)**2, axis=1)))]
  69