如何以pythonic的方式在一个大球体内洗牌？答案

【问题标题】：How to shuffle tiny spheres inside a big sphere in a pythonic way?如何以pythonic的方式在一个大球体内洗牌？
【发布时间】：2020-11-27 00:26:48
【问题描述】：

我有一个具有一些已知特征（id、半径、质量和位置）的球体列表，其中包含 ids、radii 和 masses 是具有形状 (511, ) 的 1D 数组 和 positions 是具有形状 (511, 3) 的 3D 数组 在一些已知的大球形体积内中心，(0, 0, 0) 和半径，distance_max。

hal_ids_data = np.array([19895, 19896, ..., 24249])                   
hal_radiuss_data = np.array([1.047, 1.078, ..., 3.263])                 
hal_masss_data = np.array([2.427e+06, 8.268e+06, ..., 8.954e+07]     
hal_positions_data = np.array([np.array([-33.78, 10.4, 33.83]), np.array([-33.61, 6.34, 35.64]), ..., np.array([-0.4014, 4.121, 33.05])])

我想将这些小球随机放置在大球内的整个体积中，同时保持它们各自的特征不变，这意味着只有它们的位置需要被打乱受到如下所示的两个约束。

for hal_id, hal_position, hal_radius, hal_mass in zip(hal_ids_data, hal_positions_data, hal_radiuss_data, hal_masss_data):

    # check if 1) any one of the small spheres are above some mass threshold AND 2) inside the big sphere
    if ((np.sqrt(pow(hal_position[0], 2)+pow(hal_position[1], 2)+pow(hal_position[2], 2)) < distance_max) and (log10(hal_mass)>=1e8)):

        # if so, then do the following stuff down here but to the shuffled populations of small spheres meeting the conditions above rather than to the original population

在对它们进行一些操作之前，在最后一个 if statement 下对我的球体进行洗牌的最快和最短方法是什么？（我确实需要我的原始人口信息以供以后使用，所以我不能忽视它）

【问题讨论】：

如果您远离pandas，这可能会更干净/更容易。建议您使用原始数据的一些示例更新帖子，特别是包含“大球体”的变量和带有小球体的列表。另外，如果您要更改位置，则唯一要保留的数据是每个小球体的半径，对吗？所以原来的位置是扔掉的？
我能想到的唯一算法是 POisson 球体采样，citeseerx.ist.psu.edu/viewdoc/… 也许你可以在那里找到有用的东西
您能添加一个您的数据的小例子吗？
看到有建设性的正面/负面反馈而不是简单地“不喜欢”一个帖子，这将是真正的注意。我的理解是，我们千万不能像fb一样对待这种环境。

标签： python-3.x pandas random shuffle

【解决方案1】：

最好的方法是以矢量化格式计算约束（这在 numpy 中非常有效），而不是使用 for 循环。然后生成一个与你的约束匹配的索引数组，然后打乱这些索引。

所以使用上面的示例数据：

import numpy as np

distance_max = 49 #I chose this so that we have some matching items

hal_ids_data = np.array([19895, 19896, 24249])                   
hal_radius_data = np.array([1.047, 1.078, 3.263])                 
hal_mass_data = np.array([2.427e+06, 8.268e+06, 8.954e+07])     
hal_positions_data = np.array([np.array([-33.78, 10.4, 33.83]), np.array([-33.61, 6.34, 35.64]), np.array([-0.4014, 4.121, 33.05])])

# Compute the conditions for every sphere at the same time instead of for loop
within_max = np.sqrt(pow(hal_positions_data[:,0],2) + pow(hal_positions_data[:,1],2) + pow(hal_positions_data[:,2],2)) < distance_max
mass_contraint = np.log10(hal_mass_data) >= 1 #I chose this so that we have some matching items
matched_spheres = within_max & mass_contraint

# Get indexes of matching spheres
idx = np.where(matched_spheres)[0] # create array of indexes
np.random.shuffle(idx) #shuffle array of indexes in place

# Generate shuffled data by applying the idx to the original arrays and saving to new 's_' arrays
s_hal_ids_data = hal_ids_data[idx]
s_hal_radius_data = hal_radius_data[idx]
s_hal_mass_data = hal_mass_data[idx]
s_hal_positions_data = hal_positions_data[idx]

# Do stuff with shuffled population of small spheres

【讨论】：