我有一个点数组(称为points),由~30000个x、y和z值组成。我还有一个单独的点数组(称为顶点),大约有40000个x、y和z值。后一个数组索引一些边长大小的立方体的左下角。我想知道哪些点位于哪个立方体中,以及每个立方体中有多少个点。我写了一个循环来做这个,它是这样工作的:
for i in xrange(len(vertices)):
cube=((vertices[i,0]<= points[:,0]) &
(points[:,0]<(vertices[i,0]+size)) &
(vertices[i,1]<= points[:,1]) &
(points[:,1] < (vertices[i,1]+size)) &
(vertices[i,2]<= points[:,2]) &
(points[:,2] < (vertices[i,2]+size))
)
numpoints[i]=len(points[cube])
(循环是对单个立方体排序,“立方体”创建一个索引的布尔数组。)然后我将点[cube]存储在某个地方,但这并不是减慢速度的原因,而是“cube=”的创建。在
我想加速这个循环(在MacBookPro上完成需要几十秒)。我尝试重写C中的“cube=”部分,如下所示:
^{pr2}$这使它的速度加快了一点,而不是两倍。在C中重写两个循环实际上只比原来的numpy版本快一点,因为经常引用数组对象来跟踪哪些点在哪个立方体中。我怀疑这样做有可能快得多,而且我遗漏了一些东西。有人能建议如何加快速度吗??我是numpy/python的新用户,请提前感谢。在
你可以用scipy.space.cKDTree来加速这种计算。在
代码如下:
center_vertices = vertices + [[size/2, size/2, size/2]]
tree_points = cKDTree(points)
_, result = tree_points.query(center_vertices, k=100, p = np.inf, distance_upper_bound=size/2)
输出为:
^{pr2}$如果一个立方体中有超过100个点,可以通过for循环中的
neighbors[-1] == P_NUM
来检查这一点,并对这些顶点执行k=1000查询。在相关问题 更多 >
编程相关推荐