Уникальность во вложенном списке, чтобы иметь не более одной перекрывающейся пары координат

Question

Итак, я прошел целую кучу кругов, определяя, где они перекрываются , как это , и теперь я построил круги, которые перекрываются.

Но в углу, как я показал стрелкой, у меня есть два красных круга, перекрывающих один синий, но должно быть обнаружено только одно перекрытие. Второе перекрытие круга следует игнорировать, исходя из расстояния.

Как убрать дополнительное перекрытие, чтобы один красный всегда перекрывал один синий, а также наоборот?

import matplotlib.pyplot as plt    

# Format is (x1, y1, r1), x2, y2, r2), squared_distance)
circles = (((87, 319, 10), (82, 316, 10), 34),
           ((162, 230, 10), (157, 226, 10), 41),
           ((162, 438, 10), (162, 440, 10), 4),
           ((235, 146, 10), (230, 150, 10), 41),
           ((260, 183, 10), (260, 185, 10), 4),
           ((260, 265, 10), (253, 269, 10), 65),
           ((360, 88, 10), (366, 91, 10), 45),
           ((428, 442, 10), (433, 447, 10), 50), # Two red overlap the same blue
           ((438, 453, 10), (433, 447, 10), 61), # So this one (furthest away) must go
           ((459, 24, 10), (465, 21, 10), 45))

fig, ax = plt.subplots(figsize = (6,6))

ax.set_xlim(0,500)
ax.set_ylim(0,500)

for red, blue, squared_dist in circles:
    x1, y1, r1 = red
    x2, y2, r2 = blue

    c = plt.Circle((x1, y1), r1, color = "red", linewidth = 2, fill = False, alpha = 1)
    ax.add_patch(c)

    c = plt.Circle((x2, y2), r2, color = "blue", linewidth = 2, fill = False, alpha = 1)
    ax.add_patch(c)

ax.arrow(390, 400, 20, 20, head_width=10, head_length=10, fc='k', ec='k')
plt.show()

Answer 1

Хорошо, я решил проблему с помощью панд. Оказывается, что вложенный список, подобный приведенному выше, на самом деле очень удобен для работы в качестве контейнера.

Взятие исходных кругов и их преобразование в кадр данных:

df = pd.DataFrame(circles, columns = ["red", "blue", "dist"])

Дает

              red            blue  dist
0   (87, 319, 10)   (82, 316, 10)    34
1  (162, 230, 10)  (157, 226, 10)    41
2  (162, 438, 10)  (162, 440, 10)     4
3  (235, 146, 10)  (230, 150, 10)    41
4  (260, 183, 10)  (260, 185, 10)     4
5  (260, 265, 10)  (253, 269, 10)    65
6   (360, 88, 10)   (366, 91, 10)    45
7  (428, 442, 10)  (433, 447, 10)    50 
8  (438, 453, 10)  (433, 447, 10)    61 
9   (459, 24, 10)   (465, 21, 10)    45 

А затем, если отсортировать по расстоянию, будет работать просто удаление дубликатов.

df = df.sort_values("dist").drop_duplicates("red").drop_duplicates("blue").reset_index(drop = True)

Уступая

              red            blue  dist
0   (87, 319, 10)   (82, 316, 10)    34
1  (162, 230, 10)  (157, 226, 10)    41
2  (162, 438, 10)  (162, 440, 10)     4
3  (235, 146, 10)  (230, 150, 10)    41
4  (260, 183, 10)  (260, 185, 10)     4
5  (260, 265, 10)  (253, 269, 10)    65
6   (360, 88, 10)   (366, 91, 10)    45
7  (428, 442, 10)  (433, 447, 10)    50
9   (459, 24, 10)   (465, 21, 10)    45

И строка 8 удаляется.