Question

数据已存储在带有3个索引（对应于空间坐标）的numpy.array中。为了将其传递给某个python模块，需要重新组织（并重新整形）数据数组以对应于坐标数组，例如，应该只有一个索引对应于3d（空间）矢量。我得到了它的工作，但它很慢（我可能有一个数组大小100 ^ 3而不是像MWE中的10 ^ 3）。如果可能的话，我希望得到关于如何加速（显着）的建议的MWE：

import com.typesafe.config.ConfigFactory

Answer 1

一种方法是从x,y,z生成组合网格，然后使用kd-tree based quick nearest-neighbor lookup追溯索引。因此，我们将有一个矢量化解决方案，如此 -

from itertools import product
from scipy.spatial import cKDTree

# Form all combinations    
combs = np.array(list(product(x, y, z)))

# Find closest indices for each pt in coords
closest_idx = cKDTree(combs).query(coords, k=1)[1]

# Index into data array and retrieve the output
data2Out = data.ravel()[closest_idx]

内存节省

我们可以通过分别在三个坐标上使用kd-tree计算来优化内存，从而创建组合创建部分并希望提升性能，如此 -

I = cKDTree(x[:,None]).query(coords[:,[0]], k=1)[1]
J = cKDTree(y[:,None]).query(coords[:,[1]], k=1)[1]
K = cKDTree(z[:,None]).query(coords[:,[2]], k=1)[1]
data2Out = data[I,J,K]

将numpy数组映射到网格

1 个答案: