【问题标题】:How do I efficiently change entries in a matrix/nested list?如何有效地更改矩阵/嵌套列表中的条目?
【发布时间】:2020-10-18 22:13:26
【问题描述】:

对于蒙特卡罗模拟,我有 500 个 Person 实例,每个实例都有一个位置(笛卡尔坐标)作为属性。在整个模拟过程中,我需要多次访问两个人之间的距离。我已经定义了一个函数来计算两个人之间的(笛卡尔)距离(为简单起见,我们将此函数称为“距离(loc1,loc2)”)。 我有兴趣使脚本在计算上更高效。我采取的第一步是创建一个对称矩阵来存储距离,而不是在每次需要时计算距离。现在我决定把它做成一个嵌套的 numpy 数组;如果它使事情变得更容易,我可以将其更改为嵌套列表或其他东西。 (我使用这个的改编版本制作了矩阵:Python: Generating a symmetric array with list comprehension) 距离矩阵如下所示:

np.array([[0, 6.44177991, 2.74762143, 3.47162016, 2.0645646 ],
       [6.44177991, 0, 1.59860905, 8.99027864, 2.58449879],
       [2.74762143 , 1.59860905, 0, 2.06833575, 8.53594684],
       [3.47162016, 8.99027864 , 2.06833575, 0, 6.76594943],
       [2.0645646, 2.58449879, 8.53594684, 6.76594943, 0]])

在模拟过程中,人的位置(偶尔)会发生变化。发生这种情况时,我需要“更新”矩阵。 我目前使用 for 循环来解决这个问题(见下文),但我想知道是否有更有效的方法来替换这些值。

#note: population is a list containing the 500 Person entities
#e.g. if person5's location changes:
p_id = 5

for i in range(len(population)):
    if i!=p_id:    
        new_distance=distance(population[i].location, population[p_id].location)
        distance_matrix[p_id][i] = new_distance
        distance_matrix[i][p_id] = new_distance

【问题讨论】:

    标签: python multidimensional-array nested-lists processing-efficiency


    【解决方案1】:

    虽然您没有要求,但您可以使用 Numpy 的 broadcasting 以非常简单的方式找到点之间的距离。这是通过np.newaxis 函数实现的,该函数只是向数组添加另一个(空)维度,以便对广播的数组执行算术运算(这样可以节省内存)。在下面的代码中,不需要循环,因为我们只索引在每一步中更改(对应于修改后的人员位置)的距离矩阵的行(和列)。

    我希望它确实比你最初的方法更有效(还没有计时),尽管也许可以做进一步的优化(最后两行让我有点烦恼,不会撒谎)。

    请注意,在下面的测试代码中,我假设您的Person 坐标显示在随机数组xy 中,而p_id 表示已更改位置的人员的索引。

    import numpy as np
    
    np.random.seed(1)         # Fix seed for reproducibility
    x = np.random.random(10)  # Test x-coordinates array
    y = np.random.random(10)  # Test y-coordinates array
    
    # Calculate distances
    dists = np.sqrt((x - x[:,np.newaxis])**2 + (y - y[:,np.newaxis])**2)
    
    # Test boolean array of persons IDs that changed locations
    p_id = x > 0.5    # Just a dummy condition
    x[p_id] = np.random.random(p_id.sum())    # Updated test x-coordinates
    x[p_id] = np.random.random(p_id.sum())    # Updated test y-coordinates
    dists_updated = np.sqrt((x - x[p_id,np.newaxis])**2 +
                            (y - y[p_id,np.newaxis])**2)
    # Update distance matrix
    dists[p_id]   = dists_updated
    dists[:,p_id] = dists_updated.T
    

    【讨论】:

    • 非常感谢您的回答。但是,我正在存储大圆距离(因此您的 dists 公式将不准确)。但是,使用列表理解来更新行和列效果很好,非常感谢您的回复
    猜你喜欢
    • 1970-01-01
    • 2019-09-04
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2014-09-16
    • 2017-03-18
    • 1970-01-01
    • 2021-10-17
    相关资源
    最近更新 更多