scipy Voronoi

J'ai utilisé scipy.spatial.Voronoi parce que je voulais le diviser en boronoi, mais j'étais confus par la signification des termes et des séquences, alors j'ai essayé de l'organiser.

Comme vous pouvez le voir dans la documentation (http://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.Voronoi.html), le processus lui-même est rapide.

import numpy
import scipy.spatial
v = scipy.spatial.Voronoi(numpy.array([[0,0],[0,1],[1,1]]))

Premièrement, la signification du point, de la région, de la crête et du sommet. S'il est bidimensionnel, il ressemblera à ceci. En deux dimensions, la crête est une ligne, mais en trois dimensions, la crête est une surface.

Chaque donnée est contenue dans l'attribut de l'objet «Voronoi» sous la forme d'une table de correspondance. La table de correspondance est représentée par le numéro d'index. Si vous faites une figure, vous pouvez la suivre comme ceci. Si vous faites quelque chose d'un peu élaboré, vous devez suivre beaucoup de choses, donc vous devez courir attentivement pour ne pas vous perdre.

Pour créer un Polygone dans une zone fermée, par exemple, le code ressemble à ceci:

import geopandas as gpd
from shapely.geometry import Polygon
va = gpd.GeoDataFrame([dict(geometry=Polygon([v.vertices[vt] for vt in v.regions[r]]), pti=pti)
	for pti,r in enumerate(v.point_region) if -1 not in v.regions[r]])