我有两个2d numpy数组:x_array包含x方向的位置信息,y_array包含y方向的位置。
然后我有一长串x,y点。
对于列表中的每个点,我需要找到最接近该点的位置(在数组中指定)的数组索引。
基于这个问题,我天真地制作了一些有效的代码: Find nearest value in numpy array
即
import time
import numpy
def find_index_of_nearest_xy(y_array, x_array, y_point, x_point):
distance = (y_array-y_point)**2 + (x_array-x_point)**2
idy,idx = numpy.where(distance==distance.min())
return idy[0],idx[0]
def do_all(y_array, x_array, points):
store = []
for i in xrange(points.shape[1]):
store.append(find_index_of_nearest_xy(y_array,x_array,points[0,i],points[1,i]))
return store
# Create some dummy data
y_array = numpy.random.random(10000).reshape(100,100)
x_array = numpy.random.random(10000).reshape(100,100)
points = numpy.random.random(10000).reshape(2,5000)
# Time how long it takes to run
start = time.time()
results = do_all(y_array, x_array, points)
end = time.time()
print 'Completed in: ',end-start
我在一个大型数据集上做这个,并且真的想加快它的速度。 任何人都可以优化这个吗?
感谢。
更新:解决方案遵循@silvado和@justin(下方)的建议
# Shoe-horn existing data for entry into KDTree routines
combined_x_y_arrays = numpy.dstack([y_array.ravel(),x_array.ravel()])[0]
points_list = list(points.transpose())
def do_kdtree(combined_x_y_arrays,points):
mytree = scipy.spatial.cKDTree(combined_x_y_arrays)
dist, indexes = mytree.query(points)
return indexes
start = time.time()
results2 = do_kdtree(combined_x_y_arrays,points_list)
end = time.time()
print 'Completed in: ',end-start
上面这段代码加快了我的代码(在100x100矩阵中搜索5000点)100倍。有趣的是,使用scipy.spatial.KDTree(而不是scipy.spatial.cKDTree)为我的天真解决方案提供了可比较的时序,因此绝对值得使用cKDTree版本......
答案 0 :(得分:47)
这是一个scipy.spatial.KDTree
示例
In [1]: from scipy import spatial
In [2]: import numpy as np
In [3]: A = np.random.random((10,2))*100
In [4]: A
Out[4]:
array([[ 68.83402637, 38.07632221],
[ 76.84704074, 24.9395109 ],
[ 16.26715795, 98.52763827],
[ 70.99411985, 67.31740151],
[ 71.72452181, 24.13516764],
[ 17.22707611, 20.65425362],
[ 43.85122458, 21.50624882],
[ 76.71987125, 44.95031274],
[ 63.77341073, 78.87417774],
[ 8.45828909, 30.18426696]])
In [5]: pt = [6, 30] # <-- the point to find
In [6]: A[spatial.KDTree(A).query(pt)[1]] # <-- the nearest point
Out[6]: array([ 8.45828909, 30.18426696])
#how it works!
In [7]: distance,index = spatial.KDTree(A).query(pt)
In [8]: distance # <-- The distances to the nearest neighbors
Out[8]: 2.4651855048258393
In [9]: index # <-- The locations of the neighbors
Out[9]: 9
#then
In [10]: A[index]
Out[10]: array([ 8.45828909, 30.18426696])
答案 1 :(得分:38)
scipy.spatial
还有一个k-d树实现:scipy.spatial.KDTree
。
该方法通常首先使用点数据来构建k-d树。其计算复杂度为N log N,其中N是数据点的数量。然后可以使用log N复杂度完成范围查询和最近邻居搜索。这比简单地循环遍历所有点(复杂度N)要高效得多。
因此,如果您有重复的范围或最近邻居查询,强烈建议使用k-d树。
答案 2 :(得分:5)
如果您可以按正确的格式按摩数据,快速的方法是使用scipy.spatial.distance
中的方法:
http://docs.scipy.org/doc/scipy/reference/spatial.distance.html
特别是pdist
和cdist
提供了快速计算成对距离的方法。