Помогите ускорить мой код : моему коду Python необходимо создать двумерную решетку точек, которые попадают в ограничивающий прямоугольник. Я собрал воедино некоторый код (показанный ниже), который генерирует эту решетку. Однако эта функция вызывается много раз и стала серьезным узким местом в моем приложении.
Я уверен, что есть более быстрый способ сделать это, возможно, задействуя массивы вместо списков. Любые предложения для более быстрого и элегантного способа сделать это?
Описание функции :
У меня есть два 2D вектора, v1 и v2. Эти векторы определяют решетку . В моем случае мои векторы определяют решетку, которая почти, но не совсем, шестиугольная. Я хочу сгенерировать набор всех 2D точек на этой решетке, которые находятся в каком-то ограничительном прямоугольнике В моем случае один из углов прямоугольника находится в точке (0, 0), а остальные углы - в положительных координатах.
Пример :
Если дальний угол моего ограничительного прямоугольника был в (3, 3), и мои векторы решетки были:
v1 = (1.2, 0.1)
v2 = (0.2, 1.1)
Я бы хотел, чтобы моя функция возвращала очки:
(1.2, 0.1) #v1
(2.4, 0.2) #2*v1
(0.2, 1.1) #v2
(0.4, 2.2) #2*v2
(1.4, 1.2) #v1 + v2
(2.6, 1.3) #2*v1 + v2
(1.6, 2.3) #v1 + 2*v2
(2.8, 2.4) #2*v1 + 2*v2
Меня не интересуют крайние случаи; не имеет значения, если функция возвращает (0, 0), например.
Медленный путь, которым я сейчас занимаюсь :
import numpy, pylab
def generate_lattice( #Help me speed up this function, please!
image_shape, lattice_vectors, center_pix='image', edge_buffer=2):
##Preprocessing. Not much of a bottleneck:
if center_pix == 'image':
center_pix = numpy.array(image_shape) // 2
else: ##Express the center pixel in terms of the lattice vectors
center_pix = numpy.array(center_pix) - (numpy.array(image_shape) // 2)
lattice_components = numpy.linalg.solve(
numpy.vstack(lattice_vectors[:2]).T,
center_pix)
lattice_components -= lattice_components // 1
center_pix = (lattice_vectors[0] * lattice_components[0] +
lattice_vectors[1] * lattice_components[1] +
numpy.array(image_shape)//2)
num_vectors = int( ##Estimate how many lattice points we need
max(image_shape) / numpy.sqrt(lattice_vectors[0]**2).sum())
lattice_points = []
lower_bounds = numpy.array((edge_buffer, edge_buffer))
upper_bounds = numpy.array(image_shape) - edge_buffer
##SLOW LOOP HERE. 'num_vectors' is often quite large.
for i in range(-num_vectors, num_vectors):
for j in range(-num_vectors, num_vectors):
lp = i * lattice_vectors[0] + j * lattice_vectors[1] + center_pix
if all(lower_bounds < lp) and all(lp < upper_bounds):
lattice_points.append(lp)
return lattice_points
##Test the function and display the output.
##No optimization needed past this point.
lattice_vectors = [
numpy.array([-40., -1.]),
numpy.array([ 18., -37.])]
image_shape = (1000, 1000)
spots = generate_lattice(image_shape, lattice_vectors)
fig=pylab.figure()
pylab.plot([p[1] for p in spots], [p[0] for p in spots], '.')
pylab.axis('equal')
fig.show()