作法：给定[U，x，y，z]的值（x，y，z）输出U的相关值

Question

这似乎很简单，但我正在寻找一种计算效率很高（快速）的方式来实现。 我有一组数据，例如N x 4 numpy数组。

 data = [[U[0],x[0],y[0],z[0],
          U[1],x[1],y[1],z[1],
          ....
          U[N],x[N],y[N],z[N]]] 

我想做的是编写一个函数，该函数将元素x [N]，y [N]，z [N]的某些给定组合的实际数值作为输入，并输出U [N]的数值在同一行中。 没有描述数据的解析函数，它是纯数字的，因此我所需要的只是给出一些物理位置值的组合，例如（x [51]，y [51]，z [51]），将输出具有x [51]，y [51]，z [51]的行中的U。 下面给出一个有关其工作方式的示例：假设x [51] = 2.4，y [51] = 6.3，z [51] = 9.45和U [51] = 13.665

 input >>  
 function(2.4,6.3,9.45)
 output >>
 13.665

因此，从本质上讲，我的目标是找出如何编写可以有效实现此功能的函数！

Answer 1

如果希望进行大量搜索，则可以将U值存储在字典中，并使用x ， y和z值查找它们，如下所示：

import numpy as np
data = np.array([
    [ 1.234, 3.7, 9.1, 2.74],
    [13.665, 2.4, 6.3, 9.45],
    [12.431, 8.1, 5.3, 4.25]
])
search_dict = dict(zip(map(tuple, data[:, 1:4]), data[:, 0]))
# or search_dict = {tuple(row[1:4]): row[0] for row in data}
search_dict[(2.4, 6.3, 9.45)]
# 13.665

另外，这对熊猫来说是一项好工作：

import pandas as pd
df = pd.DataFrame(data, columns=['U', 'x', 'y', 'z']).set_index(['x', 'y', 'z'])
df.loc[(2.4, 6.3, 9.45), 'U']

构建字典或DataFrame会花费一些时间和内存，但是无论data长度如何，每次搜索都会得到非常快的结果。

如果阵列很大且搜索不多，则可以使用蛮力搜索：

matched_rows = (data[:, 1:4]==np.array([2.4, 6.3, 9.45])).all(axis=1)
data[matched_rows, 0]
# array([13.665])