我是python编码的初学者，我的主要工作领域是地球科学。我有一个庞大的数据库（数百万个点），其中包含以UTM表示的坐标（x，y）（这对我正在描述的问题而言并不重要），它表示半径为r的圆心。我想根据以多个半径表示的阈值（例如1 * r / 2 * r / 3.5 * r等）来减少这些点的数量；比阈值更近的点应从点列表中拒绝。我想创建一个新的遮罩通道，该通道将为接受的点显示1，为被拒绝的点显示0，并将结果绘制为半径为r的圆（以点为中心），既是原始点集又是新的接受通道点。图表中的不同颜色（标记为轴/标题/摘要图例）。在开始处理之前，应按升序整理数据点。我希望能够将图形导出为图像和pdf地图。 ＃

1. 列表项

   • 数据类似于：
   • xy_data =
   • [[687690.，992340。]，
   • [687720.，992340。]，
   • [693210.，993000。]，
   • [693420.，999420。]，
   • [693450.，999420。]，
   • [693480.，999420。]，
   • [693540.，999210。]，
   • [693570.，999210。]，
   • [693840.，999870。]，
   • [693870.，999870。]，
   • [693900.，999870。]，
   • [694200.，1000530。]，
   • [694230.，1000530。]，
   • [694260.，1000530。]，
   • [694890.，999240。]]
   • ...
   • ...
   • ...

请在底部查看我尝试过的方法，这对我来说是一种不良的编码方式。请提出一种更好的python方法来完成此任务。

在此先感谢您的帮助和协助（请为每个步骤提供解释，请随时提出有助于理解程序设计部分的读物）

    import numpy as np
    from scipy.spatial import distance
    from scipy.spatial.distance import cdist


    r           = 100.
    k           = 0
    N           = xy_data[:].shape[0] # xy_data is input data as shown above          
    dist_tol    = 3*r
    Mask        = np.ones(N)
    sep         = np.ones(N) # points separation
    point_dist3 = np.ones(N).reshape(1,N)

    for i in np.arange(k,N - 1,1):

        if i == 0 :
            point_dist3[:,i] = 0.
            sep[i]           = 0.
            Mask[i]          = 1.

        for j in np.arange(i+1,N,1):
            print('i: ',i,'\tj: ',j,'\tk: ',k)
            sep[j]  = cdist(xy_data[i:i+1],xy_data[j:j+1])
            if sep[j] <= dist_tol: #if point_dist2[:,i] <= dist_tol:
                Mask[j] = 0
                k       = j
            else:
                 continue