Matplotlib 的高效多边形内点检查

在 Python 中，有多种方法可以确定点是否位于多边形内。两个流行的选项是光线追踪和 Matplotlib 的 contains_points 函数。

评估选项

比较两种方法后，性能分析表明，Matplotlib 的 contains_points 函数明显优于光线追踪。实验表明 contains_points 只需要一小部分时间即可处理大量点。

考虑 Shapely

对于特定的几何运算，您可以考虑使用 Shapely图书馆。它提供了处理多边形和其他几何形状的全面功能。然而，值得注意的是，对于简单的多边形点检查，Shapely 可能比 Matplotlib 的 contains_points 慢。

创建预计算布尔网格

在某些情况下，其中精度不太重要，预先计算布尔网格可能是一种节省时间的解决方案。通过创建一个网格来指示哪些点位于多边形内，您可以快速检查大量点，而无需重复计算。

结论

为了高效Python 中的点内多边形检查，强烈建议使用 Matplotlib 的 contains_points 函数。其卓越的性能使其非常适合涉及大量点和多边形的应用。然而，如果精度是最重要的考虑因素，则应考虑其他方法，例如 Shapely 或光线追踪算法。