Numpy从指定点发现3D坐标距离

Question

我正在寻找从python中指定点的3D距离。现在，我正在使用for循环。但是计算速度有点慢。

这里是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，但我无法找到一个明确的教程，显示在numpy的平等循环。

我该如何在numpy中加速循环？

谢谢

Answer 1

你的人气指数函数可以返回你直接计算为X，Y和Z值，你会节省大量的计算。圆形函数根本不需要。你运行循环5 * 800 * 500 = 2.000.000次，每次除以100和round。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): 

收集一个数组中的点，如下面的代码。

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 

最好是直接存储点在你的对象specifiedPoints numpy的阵列[关键]，而不是在每一个循环一次又一次收集它们。这将让你验证码：

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 

Answer 2

我想看看scipy.spatial.distance，尤其是cdist和pdist方法：

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