Question

假设：

地球表面上的磁盘，定义为纬度+长原点和距离（米）
纬度/经度网格，定义为纬度向量和经度向量

我需要构建一个稀疏矩阵，它对网格上的每个点都有一个虚拟单元格（因此，它的形状为(len(longitudes), len(latitudes))）;对于磁盘外的所有网格点，它应为零，对于磁盘内的所有网格点，它应为常量非零值。网格很大 - 覆盖整个地球表面，从赤道-60到+85，赤道大约10公里。

就我而言：

import pyproj
from shapely.geometry import Point, MultiPoint
from shapely.ops import transform as sh_transform
WGS84_globe = pyproj.Proj(proj='latlong', ellps='WGS84')
from functools import partial

def Disk(x, y, radius):
    return Point(x, y).buffer(radius)

def disk_to_matrix(latitudes, longitudes, ref_lat, ref_lon, max_dist):
    # half of the equatorial circumference of the Earth, in meters
    # it is impossible for the target to be farther away than this
    max_dist = min(max_dist, 20037508)

    # To find all points on the Earth within a certain distance of
    # a reference latitude and longitude, back-project onto the
    # Earth from an azimuthal-equidistant map with its zero point
    # at the reference latitude and longitude.
    projection = pyproj.Proj(
        proj='aeqd', ellps='WGS84', lat_0=ref_lat, lon_0=ref_lon)
    to_globe = partial(
        sh_transform,
        partial(pyproj.transform, projection, WGS84_globe))

    # pyproj (and therefore shapely) does everything in lon/lat order.
    grid = MultiPoint(list(
        (lon, lat)
        for lon in longitudes
        for lat in latitudes
    ))

    outer_ring = to_globe(Disk(0, 0, max_dist))
    ringpoints = grid.intersection(outer_ring)

    # scipy.sparse juggling goes here

我在这一点上陷入困境，因为只是尝试创建MultiPoint实例使得解释器在我点击 ^ C 之前旋转了十五分钟。这需要超级，超快，因为它只是算法最里面循环的一个步骤，它将迭代这些磁盘的千。我可以预先创建它，但这会让脚本花费超过十五分钟才能启动，我有这种可怕的感觉，交叉操作和矩阵结构也会慢得令人无法接受。建议？

（当磁盘内每个点的值应该是距离零点的距离的非平凡函数时，算法的加值点。）

从地球表面的磁盘高效创建稀疏矩阵

0 个答案: