0

我正在寻找到 python 中指定点的 3D 距离。现在，我正在使用 for 循环。但是计算起来有点慢。

这是python代码：

    for i_y in xrange(0,500,100):
        y = round(i_y/100.00,2)

        for i_x in xrange(0, 800, 1):
            x = round(i_x/100.00,2)

            for i_z in xrange(500, 0, -1):
                z = round(i_z/100.00,2)

                    for key in specifiedPoints.keys():
                    a = specifiedPoints[key]

                        subx1 = x-a.p1.x
                        suby1 = y-a.p1.y
                        subz1 = z-a.p1.z
                        subx2 = x-a.p2.x
                        suby2 = y-a.p2.y
                        subz2 = z-a.p2.z
                        subx3 = x-a.p3.x
                        suby3 = y-a.p3.y
                        subz3 = z-a.p3.z

                        distver1 = math.sqrt(subx1*subx1+suby1*suby1+subz1*subz1)
                        distver2 = math.sqrt(subx2*subx2+suby2*suby2+subz2*subz2)        
                        distver3 = math.sqrt(subx3*subx3+suby3*suby3+subz3*subz3)

                        if distver1 <= 1 or distver2<=1 or distver3<=1:
                            print "close point:", x, y, z

我做了很多工作，但我找不到一个清晰的教程来显示 numpy 中的相等循环。

如何在 numpy 中进行此操作以加速循环？

谢谢

4

2 回答 2

1

我会看，scipy.spatial.distance尤其是cdistandpdist方法：

http://docs.scipy.org/doc/scipy/reference/spatial.distance.html

于 2012-05-15T22:03:41.530 回答
1

您的 arange 函数可以直接返回您为 x、y 和 z 计算的值，这将节省大量计算。根本不需要 round 函数。您运行循环 5*800*500 = 2.000.000 次，每次除以 100 并舍入。最好这样做：

    for y in np.arange(0,5,1):
        for x in np.arange(0,8,0.01):
            for z in np.arange(5,0,-0.01):

将点收集在一个数组中，如下面的代码所示。

    point = np.array([x,y,z])
    a1 = np.array([a.p1.x,a.p1.y,a.p1.z])
    a2 = np.array([a.p2.x,a.p2.y,a.p2.z])
    a3 = np.array([a.p3.x,a.p3.y,a.p3.z])

    if np.linalg.norm(point-a1) <=1:
        print point
        continue
    if np.linalg.norm(point-a2) <=1:
        print point
        continue
    if np.linalg.norm(point-a3) <=1:
        print point
        continue

最好将点直接存储为对象指定点 [key] 中的 numpy 数组，而不是在每个循环中一次又一次地收集它们。这将为您提供以下代码：

    point = np.array([x,y,z])

    if np.linalg.norm(point-a.p1) <=1:
        print point
        continue
    if np.linalg.norm(point-a.p2) <=1:
        print point
        continue
    if np.linalg.norm(point-a.p3) <=1:
        print point
        continue
于 2012-05-15T14:14:53.987 回答