Question

我正在使用大约100x100网格中的相当大的2D点数据集（500,000至1m）。为了我们的目的，让我们使用较小的1000点数据集。

x = np.random.random_sample((1000,)) * 100
y = np.random.random_sample((1000,)) * 100

，并且本质上想获得位于半径为r的x0，y0的圆内的点的索引。

可以轻松实现

idx = np.signbit((x - x0)*(x - x0) + (y - y0)*(y - y0) - r*r)

然后，我想对该圆内的2D点做一些操作，将x0，y0稍微移动一点，然后对新圆内的数据进行相同的处理，即

x0 = np.linspace(0,100,100)
y0 = np.linspace(0,100,100)
r = 2

for i in range(0,100):
    for j in range(0,100):
        idx = np.signbit((x - x0[i])*(x - x0[i]) + (y - y0[j])*(y - y0[j]) - r*r) 
        #Do Something Here with x[idx] and y[idx]

但是，搜索idx似乎需要一段时间，尤其是对于大型数据集。有没有一种方法可以搜索位于半径为2的圆中的点，其中x0，y0 = 0,0，然后在下一个循环（其中x0 = 0，y0 = 1）中仅搜索与索引为的原子接近的原子。在第一个循环中为true（因为圆心尚未远离在第一个循环中标记为true的这些点）。

或者我是否完全丢失了某些东西，有没有一种更有效的方式将2D数据分类到（可能是重叠的）区域中（它不一定是圆的，但是我为等式的简单而选择了它。） / p>

谢谢！！！

使用python高效搜索圆中的2D点

0 个答案: