Если у меня есть набор точек в 3d (id, 'x', 'y', 'z'), сохраненный в фрейме данных pandas, что будет очень эффективным и scipy-esq или numpy-esq или pandas-esq подход для расчета распределения пространства, окруженного этими точками.
Альтернативный способ задать это, если у меня было много точек, которые образовали некоторое количество незанятых карманов пространства (скажем, 5 различной формы), каков подход scipy-esq или numpy-esq или pandas-esq для идентификации эти регионы и определения их объема.
Я решил эту проблему, разделив пространство на кубы конечного известного размера (что приводит к достаточно высокой точности памяти) и выполнив анализ кубов. Я также решил эту проблему методом грубого принуждения типа Монте-Карло, но, конечно, проблема этого метода заключается в том, что скорость сходимости масштабируется довольно плохо, поскольку точки занимают больше трехмерного пространства. Я прошу прощения за такой раздражающий вопрос, конечно, каждый программист хочет знать, как ускорить свой подход при использовании наименьшего количества памяти. Я чувствую, что могу использовать функциональность scipy voronoi и распараллелить с mpi4py. Ссылка для этого мне не ясна.
Спасибо за любую помощь и вдумчивый разговор!