[英]Optimize distance calculations between 2 **long**, 2-D arrays of points
我试图通过使用“应用”函数在数据帧的所有行上应用内联函数来避免循环。
问题是,我有大约 800 个点(卡车停靠点),我试图确定其中哪些是沿着某条路线的,该路线本身由大约 100k 点定义。
我的方法是计算卡车停靠站到路线上每个点之间的欧几里德距离,如果这些距离中的任何一个小于某个值,我就会保留路线。
我最初是通过循环来做到这一点的,但它非常慢(假设我在距离小于某个值时不会中断循环,就像 100k*800 次迭代)。
所以我尝试使用“应用”,但它仍然很慢。 有谁知道我可以优化这个的方法吗?
完整代码:
import pandas as pd
import numpy as np
import time, os
BASE_DIR='C:\\Users\\aidenm\\Desktop\\geo'
rt_df = pd.read_csv(os.path.join(BASE_DIR, 'test_route.txt'))
'''
lon, lat
-118.410339, 34.019653
-118.410805, 34.020241
-118.411301, 34.020863
-118.411766, 34.021458
...
'''
fm_df = pd.read_csv(os.path.join(BASE_DIR, 'test_fm.txt'))
'''
lat, lon
41.033959, -77.515672
41.785524, -80.853175
41.128748, -80.769934
41.465085, -82.060677
...
'''
def is_on_route_inline(x, route_coordinates):
'''
:param route_coordinates:
:param fencing_module_coordinate:
:return: True if on route else False
'''
a = np.array((float(x[0]), float(x[1])))
# bs = [np.array((c[1], c[0])) for c in rcs]
def distance_inline(b, fcm_point):
return np.linalg.norm(b-fcm_point)
# bss = pd.Series(bs)
distances = route_coordinates.apply(distance_inline, args=(a,), axis=1) #np.linalg.norm(a-b))
# distances = [np.linalg.norm(a-b) for b in bs]
if min(distances)<0.1:
print(x)
return True
return False
fm_df.apply(is_on_route_inline, args=(rt_df,), axis=1)#rt_df)
要快速执行此操作,您需要将 DataFrame 中的数据转换为 Numpy 数组。 首先,让我们计算一个卡车停靠点和所有路线点之间的距离——
# Create Numpy array of shape (100k, 2)
route_points = rt_df[['lat', 'lon']].values
truck_stop = # get one truck stop location shape (2, )
# Compute distances
dists = np.linalg.norm(route_points - truck_stop, axis=1)
这让 Numpy 广播为您处理所有路由位置的循环(非常快)。 但是,听起来您真正需要的是所有卡车停靠点和路线点之间的距离。 让 Numpy 广播来做到这一点很棘手,所以我建议使用scipy.spatial.distance_matrix
from scipy.spatial import distance_matrix
route_points = rt_df[['lat', 'lon']].values # shape (100k, 2)
truck_points = fm_df[['lat', 'lon']].values # shape (800, 2)
all_distances = distance_matrix(route_points, truck_points) # shape (100k, 800)
现在all_distances
是一个包含所有成对距离的 Numpy 数组,所以all_distances[i, j]
是路线i
和卡车停靠点j
之间的距离。 同样,这让 Numpy 可以为您处理 100k * 800 次迭代,并且速度非常快。 (在我的笔记本电脑上,用类似大小的阵列完成这个需要大约 3 秒)。
之后,你可以找到足够小的距离
all_distances < 0.1
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.