对不起文字墙。我试图缩短它，但我认为一切都会对愿意阅读它的人有所帮助。
我有xyz点云，我试图将它们划分为DEM（数字高程模型，如果你不熟悉 - 只是2D高程阵列）。我的DEM需要具有明显更低的分辨率（相反，它们不需要几乎与分辨率一样高的分辨率），因此在每个DEM单元的点云中大约有10个点。我的代码迭代最终DEM的行和列，并根据提供的XYZ坐标计算每个单元格的高程值。为此，我指定网格大小和间距，然后代码计算每个网格单元格的x和y最大值和最小值。然后，它找到z所有z值，其中x和y在该单元格的最大值和最小值内，拒绝异常值并获取剩余值的平均值以确定该单元格的最终值。 xyz值存储在如下所示的数组中：
xyz = np.array([[x1, y1, z1],
[x2, y2, z2],
[x3, y3, z3]]) # with tens of thousands of xyz cominations
我当前的方法涉及在X和Y中创建单元格边界值列表，然后将边界内具有x和y值的所有z值添加到高程列表中：
dx = 0.5 # cell size in meters
xmin = np.min(xyz[:,0])
xmax = np.max(xyz[:,0])
ymin = np.min(xyz[:,1])
ymax = np.max(xyz[:,1])
xoffset = ((xmax-xmin) % dx)/2.0
yoffset = ((ymax-ymin) % dx)/2.0
xlims = np.arange(xmin+xoffset, xmax, dx) # list of grid cell limits in x
ylims = np.arange(ymin+yoffset, ymax, dx) # list of grid cell limits in y
DEM = np.empty((len(ylims)-1, len(xlims)-1), 'float') # declares output array
for i in range(DEM.shape[0]): # iterate over rows of final DEM
for j in range(DEM.shape[1]): # iterate over columns of final DEM
bottom = ylims[i]
top = ylims[i+1]
left = xlims[j] # these rows just pick minimum and
right = xlims[j+1] # maximum of cell [i,j]
elevations = xyz[np.where(((xyz[:,0] > left) &
(xyz[:,0] < right)) &
((xyz[:,1] > bottom) &
(xyz[:,1] < top)))[0]][:,2]
elevations = reject_outliers(elevations)
if len(elevations) == 0:
elevation = np.nan
else:
elevation = np.mean(elevations)
DEM[i,j] = elevation
这样可行，但我必须做数百个DEM，每个都有数十万个点，所以我看着等待我的电脑一周的时间通过这个如果我这样做。它对我来说似乎也很笨拙。有没有办法简化这个？
答案 0 :(得分：1)
你可以尝试
elev = xyz[ xyz[:,0] > left ]
elev = elev[ elev[:,0] < right ]
elev = elev[ elev[:,1] > bottom]
elev = elev[ elev[:,1] < top ]
这样，每个条件语句都会减小elev的大小，因此每个下一个条件语句都需要考虑较少的对象。我仍然怀疑有更好的方法。您还可以尝试从xyz搜索距离xlims到x，y的最近的x，y ylims，dx，然后使用dy，{返回相邻的坐标，{ {1}}。如果你能找到一种快速的搜索方式，那么这可能是你最好的选择（但在接近边界时你需要小心）
如果xyz中的x，y形成常规精细网格，则可以尝试scipy.interpolate.RectBivariateSpline。
否则您可以使用scipy.interpolate.interp2d：
from scipy.interpolate import interp2d
interped = interp2d( x=xyz[:,0], y=xyz[:,1], z=xyz[:,2], kind='linear', fill_value=xyz[:,2].mean() )
DEM = interped( xlims, ylims)
（它会比RectBivariateSpline慢得多，但可能比你正在做的更快）
您可以将'kind'参数更改为'cubic'，但速度会变慢。
答案 1 :(得分：1)
一种可能性是找到点适合的段，然后循环遍历这些组，这样您就不必一直屏蔽相同的元素，即使它们只属于一个段。
执行此操作的一种方法是使用numpy内置的searchsorted：
xmin = np.min(xyz[:,0])
xmax = np.max(xyz[:,0])
ymin = np.min(xyz[:,1])
ymax = np.max(xyz[:,1])
xoffset = ((xmax-xmin) % dx)/2.0
yoffset = ((ymax-ymin) % dx)/2.0
xlims = np.arange(xmin+xoffset, xmax, dx) # list of grid cell limits in x
ylims = np.arange(ymin+yoffset, ymax, dx) # list of grid cell limits in y
DEM = np.empty((len(ylims) - 1, len(xlims) - 1), dtype=float) # declares output array
# Find the bins that each point fit into
x_bins = np.searchsorted(xlims, xyz[:, 0]) - 1
y_bins = np.searchsorted(ylims, xyz[:, 1]) - 1
for i in range(DEM.shape[0]): # iterate over rows of final DEM
y_mask = y_bins == i
for j in range(DEM.shape[1]):
elevations = xyz[y_mask & (x_bins == j), 2]
elevations = reject_outliers(elevations)
if len(elevations) == 0:
elevations = np.nan
else:
elevations = np.mean(elevations)
DEM[i, j] = elevations
当我使用带有xyz = randn（100000,3）和dx = 0.1的timeit分析已经列出的替代品（在将reject_outliers定义为lambda x：x之后），我得到了以下时间：
但是，如果您愿意使用Pandas，您可以修改代码，以便将for for for循环替换为Pandas非常棒的groupby功能：
elevation_df = pd.DataFrame({'x_bins': x_bins, 'y_bins': y_bins, 'z': xyz[:, 2]})
for x_y_bins, data in elevation_df.groupby(['x_bins', 'y_bins']):
elevations = reject_outliers(data['z'])
elevations = data['z']
if len(elevations) == 0:
elevations = np.nan
else:
elevations = np.mean(elevations)
if 0 <= x_y_bins[1] < DEM.shape[0] and 0 <= x_y_bins[0] < DEM.shape[1]:
DEM[x_y_bins[1], x_y_bins[0]] = elevations
这使得时间几乎减少了2倍（ 10个循环，最佳3：每循环1.11秒）。
我还应该注意，由于您的np.arange命令，您似乎已经排除了范围内的某些点。在上面我假设您打算排除这些点，但如果您想要包含您可以使用的所有数据：
xlims = np.arange(xmin-xoffset, xmax+dx, dx)
ylims = np.arange(ymin-yoffset, ymax+dx, dx)
如果您使用这些范围，则可以将之前的for循环修改为：
for i in np.unique(y_bins):
y_mask = y_bins == i
for j in np.unique(x_bins[y_mask]):
它将我之前的searchsorted示例的timeit结果降低到 10个循环，最好是每循环3：1.56 s ，这至少更接近Pandas groupby。