class Vector3
def __init__(self, x: float, y: float, z: float) -> None
3维向量
Args:
x: x轴分量
y: y轴分量
z: z轴分量
源代码
python
def __init__(self, x: float, y: float, z: float):
"""
3维向量
Args:
x: x轴分量
y: y轴分量
z: z轴分量
"""
self.x = x
self.y = y
self.z = z
def approx(self, other: 'Vector3', epsilon: float) -> bool
判断两个向量是否近似相等。
Args:
other:
epsilon:
Returns:
是否近似相等
源代码
python
def approx(self, other: 'Vector3', epsilon: float=APPROX) -> bool:
"""
判断两个向量是否近似相等。
Args:
other:
epsilon:
Returns:
是否近似相等
"""
return all([abs(self.x - other.x) < epsilon, abs(self.y - other.y) < epsilon, abs(self.z - other.z) < epsilon])
def cal_angle(self, other: 'Vector3') -> 'AnyAngle'
计算两个向量之间的夹角。
Args:
other: 另一个向量
Returns:
夹角
源代码
python
def cal_angle(self, other: 'Vector3') -> 'AnyAngle':
"""
计算两个向量之间的夹角。
Args:
other: 另一个向量
Returns:
夹角
"""
return AnyAngle(math.acos(self @ other / (self.length * other.length)), is_radian=True)
def cross(self, other: 'Vector3') -> 'Vector3'
向量积 叉乘:v1 cross v2 -> v3
叉乘为0,则两向量平行。
其余结果的模为平行四边形的面积。
返回如下行列式的结果:
i j k
x1 y1 z1
x2 y2 z2
Args:
other:
Returns:
行列式的结果
源代码
python
def cross(self, other: 'Vector3') -> 'Vector3':
"""
向量积 叉乘:v1 cross v2 -> v3
叉乘为0,则两向量平行。
其余结果的模为平行四边形的面积。
返回如下行列式的结果:
``i j k``
``x1 y1 z1``
``x2 y2 z2``
Args:
other:
Returns:
行列式的结果
"""
return Vector3(self.y * other.z - self.z * other.y, self.z * other.x - self.x * other.z, self.x * other.y - self.y * other.x)
def is_approx_parallel(self, other: 'Vector3', epsilon: float) -> bool
判断两个向量是否近似平行。
Args:
other: 另一个向量
epsilon: 允许的误差
Returns:
是否近似平行
源代码
python
def is_approx_parallel(self, other: 'Vector3', epsilon: float=APPROX) -> bool:
"""
判断两个向量是否近似平行。
Args:
other: 另一个向量
epsilon: 允许的误差
Returns:
是否近似平行
"""
return self.cross(other).length < epsilon
def is_parallel(self, other: 'Vector3') -> bool
判断两个向量是否平行。
Args:
other: 另一个向量
Returns:
是否平行
源代码
python
def is_parallel(self, other: 'Vector3') -> bool:
"""
判断两个向量是否平行。
Args:
other: 另一个向量
Returns:
是否平行
"""
return self.cross(other).approx(zero_vector3)
def normalize(self) -> None
将向量归一化。
自体归一化,不返回值。
源代码
python
def normalize(self):
"""
将向量归一化。
自体归一化,不返回值。
"""
length = self.length
self.x /= length
self.y /= length
self.z /= length
@property
def np_array(self: Any) -> 'np.ndarray'
返回numpy数组
Returns:
源代码
python
@property
def np_array(self) -> 'np.ndarray':
"""
返回numpy数组
Returns:
"""
return np.array([self.x, self.y, self.z])
@property
def length(self: Any) -> float
向量的模。
Returns:
模
源代码
python
@property
def length(self) -> float:
"""
向量的模。
Returns:
模
"""
return math.sqrt(self.x ** 2 + self.y ** 2 + self.z ** 2)
@property
def unit(self: Any) -> 'Vector3'
获取该向量的单位向量。
Returns:
单位向量
源代码
python
@property
def unit(self) -> 'Vector3':
"""
获取该向量的单位向量。
Returns:
单位向量
"""
return self / self.length