0

我正在尝试插入一些以这种格式给出的向量点（只取完整数据的一部分）：

x        y       u(velocity in x dir) v(velocity in y direction)
0.96875 -0.96875 0.002359896607482337 0.0023598966074823385
0.96875 -0.90625 0.006989000319266727 0.021102925775399232
0.96875 -0.84375 0.011349520668258234 0.05786870001152182
0.96875 -0.78125 0.015273885302853092 0.11124433123043967

到目前为止，我能够对这些矢量点进行插值，scipy.interpolate以获取特定点的速度（u 和 v），并将其应用于公式以研究其运动。问题是，我实际上应该处理 60,000 个点并将其绘制为不同时间步长的图表（例如 t=0.1，t=0.2..）。该代码运行良好，但我对我当前的算法并不满意，因为绘制 1000 个粒子至少需要 3 分钟，而且更不用说绘制 60,000 个粒子需要多少时间了。我现在拥有的代码如下：

def estimate_next_position(self, type=1):

    for subplot in self.subplots:

        row, col = self.subplot_position[subplot][0][0],self.subplot_position[subplot][0][1]

        self.time += 0.1

        for particle_type in self.type:
            self.calculation(particle_type, self.h)
            self.plot(particle_type, row, col)

def calculation(self,particles, time_step):

        for i, particle in enumerate(particles):

            lang = np.random.normal(loc=0, scale=1, size=2)
            
            x, y = particle[0], particle[1]

            u, v = self.bilinear_interpolation(x,y)
            # Euler's equation using lambda function
            euler = lambda coordinate, random, velocity: coordinate + 2 * np.sqrt(2 * self.D) * np.sqrt(time_step) * random + velocity * time_step
            next_pos_x = euler(x, lang[0], u)
            next_pos_y = euler(y, lang[1], v)
            

            # Creates a "wall" to avoid the particles from moving to places it shouldnt
            next_pos_x, next_pos_y = self.boundary_conditions(next_pos_x, next_pos_y)

            # Reassign the current particle from substance 1 (in this case), to a new position
            particles[i] = (next_pos_x, next_pos_y)


def bilinear_interpolation(self,x,y):
        
        xx = x
        yy = y
        xx, yy = np.meshgrid(xx, yy)
        points = np.transpose(np.vstack((self.x_data, self.y_data)))

        u_interp = interpolate.griddata(points, self.u_data, (xx, yy), method='linear')
        v_interp = interpolate.griddata(points, self.v_data, (xx, yy), method='linear')

        return float(u_interp), float(v_interp)

多变的

self.type = Handle different types of substance
euler = calculation I am applying 
u, v = velocity vector at a specific point
particles = a list of x,y coordinate of the point (eg [(-1,1), (0.01, 0.34),...])
bilinear_interpolation = 2D interpolation of the vector velocity data

我看到我面临的主要问题是我实际上是在迭代数千个粒子，在循环本身内插入向量点，这使得它非常慢。有什么办法可以优化这个，或者如果可能的话，很高兴知道其他一些可以帮助解决这个问题的库或函数。

4

0 回答 0