Python：通过迭代加速矩阵坐标映射

Question

我试图让这段代码尽可能快地运行，但目前效率很低。在

我有一个4D的标量数据矩阵。这4个维度分别对应纬度、经度、海拔和时间。数据存储在numpy数组中，其形状为（5,5,30,2）。在

在4个不同的列表中，我保存每个轴的“映射”，存储每个索引对应的值。例如，贴图数组可能看起来像：

mapLatitude = [45.,45.2,45.4,45.6,45.8]
mapLongitude = [-10.8,-10.6,-10.4,-10.2,-10.]
mapAltitude = [0,50,100,150,...,1450]
mapTime = [1345673,1345674]

这意味着在数据矩阵中，位置0,1,3,0处的数据点对应于
纬度=45，经度=10.6，海拔高度=150，时间=1345673。在

现在，我需要生成一个包含数据矩阵中每个点坐标的新数组。在

到目前为止，我写的是：

^{pr2}$

这是可行的，但需要相当长的时间，尤其是当数据矩阵的大小增加时（我需要将此用于形状类似（100100150,30））的矩阵。在

如果有帮助的话，我需要生成这个coordinateMatrix来将它提供给scipy.interpolate.NearestNDInterpolator。在

有什么建议可以加快速度吗？
非常感谢你！在

Answer 1

如果将列表转换为ndarray，则可以使用广播，如下所示：

coords = np.zeros((5, 5, 30, 2, 4))
coords[..., 0] = np.array(mapLatitude).reshape(5, 1, 1, 1)
coords[..., 1] = np.array(mapLongitude).reshape(1, 5, 1, 1)
coords[..., 2] = np.array(mapAltitude).reshape(1, 1, 30, 1)
coords[..., 3] = np.array(mapTime).reshape(1, 1, 1, 2)

对于更一般的输入，类似这样的方法应该有效：

^{pr2}$