使用python中的networkx節點在N點python之間快速建立3d距離

Question

我一直試圖解決這一問題，但我做對了。

我目前正在使用站點到站點的滲濾進行殖民化模擬。 我正在嘗試將其放大到大數〜10 ^ 6，但是傳統的numpy方法用於二次計算距離，因此對於如此大的運行，程序要運行一天以上。 我真的希望這個更快。 我一直在尋找解決方案，但找不到任何能幫助我解決問題的方法，因為我有一個用於模擬的自定義類。

所以我想要每個節點到所有其他節點的距離，並且如果節點在彼此的D_max之內，則會繪制一條邊，從而允許兩個節點之間的遷移。

`density = 0.14 #Stellar density per cubic parsec
 L = 100
Patches = int(0.056*density*L**3+15)
Distance = 5

nearand = np.genfromtxt('/Users/Skippy/nearand.csv', delimiter =    ',',usecols=np.arange(0, 3)).astype('float32') # a csv of 3d cartesian co-ordinates

G = nx.Graph()

xcoord = nearand[:,0]
ycoord = nearand[:,1]
zcoord = nearand[:,2]

class patch:
    def __init__(self,status=0,pos=(0,0,0)):
        self.status = status
        self.pos = pos
    def __str__(self):
        return(str(self.status))

for i in xrange(Patches):

    Stat = 1 if np.random.uniform() < P_init else 0 # a parameter used in the algorithm later
    Pos  = (xcoord[i], ycoord[i], zcoord[i])

    G.add_node(patch(Stat,Pos))

for p1 in G.nodes():
    for p2 in G.nodes():
        Dist = np.sqrt((p1.pos[2] - p2.pos[2])**2 + (p1.pos[1]-p2.pos[1])**2+(p1.pos[0]-p2.pos[0])**2)

        if Dist <= Distance:
            G.add_edge(p1,p2)`

此后，將運行該算法，但是在距離計算中會保留較大的運行，因此只有距離需要優化。 有人可以幫我嗎？ 它看起來與其他問題相似，但我需要能夠以常規的numpy計算方式計算距離來繪制這些邊緣。

Answer 1

根據我的理解，有幾點評論。 您想創建一個“ε鄰域圖”，計算所有節點到彼此的距離，然后過濾該距離是否在閾值ε以下。

知道您的圖是無向的，則只需要進行（N x（N-1））/ 2個計算。 它仍然是二次O（n ^ 2），但是應更改創建邊的循環，以使內部循環始終從外部循環索引+ 1開始。這將使計算量減少一半。

現在，如果要真正進行縮放，則應該考慮是否可以使用近似最近鄰方法，因為您使用的是標准L2范數（歐幾里得距離）。

我建議您看一下NMSLib或Annoy 。 它們具有python綁定，但是為了提高速度在C ++中實現。

希望能幫助到你。