要求**三个点 A、B、C 构成的角 ∠ABC（即顶点在 B 的夹角）**，本质是求向量 **BA** 与向量 **BC** 之间的**夹角（锐角或钝角，通常取 [0, π] 弧度）**。 ✅ 正确方法是： - 构造两个向量： $\vec{u} = \overrightarrow{BA} = A - B = (x_A - x_B,\ y_A - y_B)$ $\vec{v} = \overrightarrow{BC} = C - B = (x_C - x_B,\ y_C - y_B)$ - 利用**余弦定理**或**向量点积公式**求夹角 θ： $$ \cos\theta = \frac{\vec{u} \cdot \vec{v}}{\|\vec{u}\| \cdot \|\vec{v}\|} \quad \Rightarrow \quad \theta = \arccos\left( \frac{\vec{u} \cdot \vec{v}}{\|\vec{u}\| \cdot \|\vec{v}\|} \right) $$ ⚠️ 注意： - `math.acos` 返回值范围是 `[0, π]`（即 0°–180°），**正好符合几何角 ∠ABC 的定义（不区分方向，取较小/实际张开角）**； - 需处理浮点精度导致的 `cosθ` 超出 `[-1, 1]`（如 `1.0000000000000002`），应做截断（clamping）； - 不推荐用 `atan2` 直接求角（它给出的是有向角，需额外叉积判断方向，且对 ∠ABC 无直接意义）。 --- ### ✅ 推荐实现（健壮、清晰、含注释） ```python import math def angle_abc_rad(ax, ay, bx, by, cx, cy): """ 计算三点 A(ax,ay), B(bx,by), C(cx,cy) 在顶点 B 处的夹角 ∠ABC（弧度） 返回值范围：[0.0, math.pi]（0 = 共线同向，π = 共线反向，π/2 = 垂直） 原理：向量 BA 与 BC 的夹角，使用点积 + arccos """ # 向量 BA = A - B ux = ax - bx uy = ay - by # 向量 BC = C - B vx = cx - bx vy = cy - by # 点积 u·v dot = ux * vx + uy * vy # 模长乘积 |u| * |v| norm_u = math.sqrt(ux*ux + uy*uy) norm_v = math.sqrt(vx*vx + vy*vy) # 防止除零（B 与 A 或 C 重合 → 角无定义，返回 NaN 或抛异常） if norm_u == 0 or norm_v == 0: raise ValueError("Point A or C coincides with B → angle undefined") # 计算 cosθ = dot / (|u||v|)，并钳制到 [-1, 1] 避免浮点误差溢出 cos_theta = dot / (norm_u * norm_v) cos_theta = max(-1.0, min(1.0, cos_theta)) # clamp return math.acos(cos_theta) # ✅ 示例调用 A = (0, 0) B = (1, 1) C = (2, 0) angle_rad = angle_abc_rad(*A, *B, *C) # 注意参数顺序：ax,ay, bx,by, cx,cy print(f"∠ABC = {angle_rad:.6f} rad ≈ {math.degrees(angle_rad):.2f}°") # 输出：≈ 2.214297 rad ≈ 126.87°（钝角，合理） ``` #### 🔍 关键细节解释： - ✅ **为什么用 `acos`？** 因为 ∠ABC 是**无向几何角**（总是取 0~180° 之间），`acos` 天然满足；而 `atan2` 给出的是有向角（-180°~+180°），需额外判断左右，反而复杂且不必要。 - ✅ **为何要 clamp `cos_theta`？** 浮点计算中，`dot/(norm_u*norm_v)` 可能为 `1.0000000000000002` 或 `-1.0000000000000002`，直接传给 `math.acos` 会返回 `NaN`。`max(-1.0, min(1.0, x))` 是标准防御写法。 - ✅ **退化情况处理：** 若 A=B 或 C=B（向量为零向量），夹角无定义，应显式报错（如上），避免静默返回错误结果（如 `acos(0/0)` → `NaN`）。 --- ### 🌟 进阶：返回带符号的有向角（±π，用于判断左/右转） 若你需要知道“从 BA 到 BC 是逆时针还是顺时针旋转”（例如路径转向判断），可结合点积 + 叉积： ```python def signed_angle_abc_rad(ax, ay, bx, by, cx, cy): """返回有符号角：+ 表示逆时针（左转），- 表示顺时针（右转）""" ux, uy = ax - bx, ay - by vx, vy = cx - bx, cy - by dot = ux*vx + uy*vy det = ux*vy - uy*vx # 2D 叉积（z 分量），决定符号 norm_u = math.hypot(ux, uy) norm_v = math.hypot(vx, vy) if norm_u == 0 or norm_v == 0: raise ValueError("Degenerate points") cos_theta = max(-1.0, min(1.0, dot / (norm_u * norm_v))) sin_theta = det / (norm_u * norm_v) # 注意：sinθ 符号由 det 决定 # 使用 atan2(sin, cos) 得到 [-π, π] 有符号角 return math.atan2(sin_theta, cos_theta) # 示例：A(0,0), B(0,0), C(1,0) → 无效；但 A(0,1), B(0,0), C(1,0) print(signed_angle_abc_rad(0,1, 0,0, 1,0)) # ≈ -1.5708 (-90°，顺时针右转) print(signed_angle_abc_rad(1,0, 0,0, 0,1)) # ≈ +1.5708 (+90°，逆时针左转) ``` > 💡 提示：`math.atan2(det, dot)` 等价于 `math.atan2(sinθ, cosθ)`，直接给出带符号主值角。 --- ### 📦 NumPy 向量化版本（批量计算） ```python import numpy as np def angles_abc_rad_vectorized(ax, ay, bx, by, cx, cy): """支持标量或数组输入（自动广播）""" ax, ay = np.asarray(ax), np.asarray(ay) bx, by = np.asarray(bx), np.asarray(by) cx, cy = np.asarray(cx), np.asarray(cy) ux, uy = ax - bx, ay - by vx, vy = cx - bx, cy - by dot = ux * vx + uy * vy norm_u = np.hypot(ux, uy) norm_v = np.hypot(vx, vy) # 防除零：用 np.where 屏蔽退化情况（设为 NaN） valid = (norm_u != 0) & (norm_v != 0) cos_theta = np.divide(dot, norm_u * norm_v, out=np.full_like(dot, np.nan, dtype=float), where=valid) cos_theta = np.clip(cos_theta, -1.0, 1.0) return np.arccos(cos_theta) # 批量示例：计算 3 个不同 ∠ABC angles = angles_abc_rad_vectorized( [0, 1, 0], [0, 0, 1], # A [0, 0, 0], [0, 0, 0], # B [1, 0, 0], [0, 1, 0] # C ) print(np.round(angles, 4)) # [1.5708 1.5708 1.5708] → 三个都是 90° ``` ---