python – 用点距离填充numpy数组的最快方法

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 用点距离填充numpy数组的最快方法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含846字，纯文字阅读大概需要2分钟。

内容图文

我有一个numpy数组,代表一个空间体积上的3d网格,每个单元格代表一个非立方体素(缩放在所有三个维度中都是任意的).该阵列是每维度O(500)个体素.

我想用给定XYZ点到每个体素中心的距离填充该数组.

我可以使用python for-loops填充数组,但这比我想要的慢.有没有办法快速使用numpy / scipy？

转换为XYZ坐标由两个元组完成,一个给出0,0,0体素中心的XYZ坐标,另一个给出XYZ单位体素的大小.

解决方法:

使用每个维度中的距离创建一个ogrid,然后计算距离(使用正确的ogrid结果广播)：

import numpy as np

x0, y0, z0 = 10, 10, 10

# assuming each dimension includes 500 points, from 0 to 500, step 1
x, y, z = np.ogrid[0:500, 0:500, 0:500]  
distances = np.sqrt((x-x0)**2+(y-y0)**2+(z-z0)**2)

如果需要为网格包含一些缩放和偏移：

x, y, z = np.ogrid[0:500, 0:500, 0:500]
x, y, z = (x * scale_x + offset_x, 
           y * scale_y + offset_y, 
           z * scale_z + offset_z)
distances = np.sqrt((x-x0)**2+(y-y0)**2+(z-z0)**2)

内容总结

以上是互联网集市为您收集整理的python – 用点距离填充numpy数组的最快方法全部内容，希望文章能够帮你解决python – 用点距离填充numpy数组的最快方法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端