避免数据值赋值循环

Question

所以这是我之前提出的一个小问题：Generate coordinates inside Polygon和我的回答https://stackoverflow.com/a/15243767/1740928 实际上，我想将多边形的数据放到一个规则的网格中。因此，我计算了多边形内的几个坐标，并将它们的纬度/经度组合转换为网格的相应列/行组合。

当前，行/列信息存储在一个numpy数组中，其行数对应于多边形中的坐标对应的数据多边形数量和列数。

整个代码只需花费不到一秒钟，但是这个代码是此刻的瓶颈（带有〜7秒）：

for ii in np.arange(len(data)): 
    for cc in np.arange(data_lats.shape[1]): 
     final_grid[  row[ii,cc], col[ii,cc] ] += data[ii] 
     final_grid_counts[ row[ii,cc], col[ii,cc] ] += 1 

阵列“数据”只包含为每个多边形的数据值（80000 ）。数组“row”和“col”包含多边形中坐标的行号和列号（形状：（80000,16））。如您所见，我正在总结每个网格单元格内的所有数据值并计算匹配的数量。因此，如果不同的多边形相交，我知道每个网格单元格的平均值。 仍然，这两个for循环如何花费大约7秒？你能想到更快的方法吗？

Answer 1

我可能没有完全理解你的不同网格的形状，但你也许可以消除使用这样的cc循环：

final_grid = np.empty((nrows,ncols)) 
for ii in xrange(len(data)): 
    final_grid[row[ii,:],col[ii,:]] = data[ii] 

这当然假定final_grid开始，没有其他信息（即你增加的数量从零开始）。而且我不确定如何测试它是否工作并不理解您的row和col阵列如何工作。

Answer 2

我认为numpy应该添加一个nd-bincount函数，我曾经有一个项目正在我之前工作过的地方。

import numpy as np 

def two_d_bincount(row, col, weights=None, shape=None): 
    if shape is None: 
     shape = (row.max() + 1, col.max() + 1) 
    row = np.asarray(row, 'int') 
    col = np.asarray(col, 'int') 

    x = np.ravel_multi_index([row, col], shape) 
    out = np.bincount(x, weights, minlength=np.prod(shape)) 
    return out.reshape(shape) 

weights = np.column_stack([data] * row.shape[1]) 
final_grid = two_d_bincount(row.ravel(), col.ravel(), weights.ravel()) 
final_grid_counts = two_d_bincount(row.ravel(), col.ravel()) 

我希望这会有所帮助。