0

对于我的关于有限元分析的输入数据的小型数据挖掘项目，我已将 SQL 查询的结果导出到元素角的长 python 列表（三角形等）。这是一些示例数据：

import numpy as np
#element_id, coordinates, data

corners = [(1, [-7.374797, -885.3285, 33.665], 1.0),
 (1, [-427.427897, -965.4985, 596.2296], 1.0), 
 (1, [-81.743197, -126.5385, 286.8912], 1.0),
 (2, [-22.248597, -878.7285, 111.239], 0.35), 
 (1, [-74.307097, -126.5385, 272.1152], 1.0),
 (2, [-74.307097, -126.5385, 286.8912], 0.35), 
 (2, [-81.743197, -126.5385, 286.8912], 0.35),  
 (3, [0.062103, -562.0245, 81.687], 1.25)]

其中列表中每个元组中的第一个值是id元素的，第二个值是角的坐标。为了进一步处理，我需要每个 的中心element，最好是在一个 numpy 数组中，以及数据。

由于表格很长（~3Mio.Lines），我正在寻找一种有效的算法来计算每个元素的角坐标的平均值。

到目前为止，我的计划是通过以下方式更新 numpy 数组的第 i 个元素：

x = np.zeros((3,4)) #initialize array
for c in corners:
    x[c[0],1:] = (x[c[0],0]*x[c[0],1:] + c[1])/(x[c[0],0]+1) #recursive formula for mean
    x[c[0],0] +=1

不幸的是，这有几个问题：

  1. 很慢
  2. 我需要知道元素的最高和最低 id（例如，当我只选择一个子集时）
  3. [0.,0.,0.,0.] 如果 id 范围有间隙，我会得到线条。（例如，当我有 element_ids 2、4、7 时......）

是否有任何快速灵活的方法可以做到这一点，也许已经存在 numpy 函数？什么是好的数据类型开始？直接在 PostgreSQL 中这样做更好吗？

提前致谢。

4

1 回答 1

2

我正在寻找一种有效的算法来计算每个元素的角坐标的平均值。

立即在 Postgres 中执行此操作：

SELECT element_id
     , ARRAY[avg(coordinates[1]), avg(coordinates[2]), avg(coordinates[3])]
FROM   tbl -- or your org. query here
GROUP  BY 1;

应该比首先导出未聚合的数据（更多行）然后处理它要快得多。

于 2018-12-11T05:11:12.937 回答