在python中使用networkx节点的N点python之间的快速3d距离

Question

我一整天都在想办法解决这个问题，但我就是做错了。

我目前正在使用站点到站点的渗透进行殖民模拟。我正在尝试将其扩展到较大的数字〜10 ^ 6，但是用于计算距离的传统 numpy 方法我正在使用二次缩放，因此对于如此大的运行，程序运行超过一天。我真的希望这更快。我一直在寻找解决方案，但我找不到任何可以帮助我解决这个问题的方法，因为我有一个在模拟中使用的自定义类。

所以我想要每个节点到所有其他节点的距离，如果节点在彼此的 D_max 范围内，则绘制一条边，允许两个节点之间迁移。

`density = 0.14 #Stellar density per cubic parsec
 L = 100
Patches = int(0.056*density*L**3+15)
Distance = 5

nearand = np.genfromtxt('/Users/Skippy/nearand.csv', delimiter =    ',',usecols=np.arange(0, 3)).astype('float32') # a csv of 3d cartesian co-ordinates

G = nx.Graph()

xcoord = nearand[:,0]
ycoord = nearand[:,1]
zcoord = nearand[:,2]

class patch:
    def __init__(self,status=0,pos=(0,0,0)):
        self.status = status
        self.pos = pos
    def __str__(self):
        return(str(self.status))

for i in xrange(Patches):

    Stat = 1 if np.random.uniform() < P_init else 0 # a parameter used in the algorithm later
    Pos  = (xcoord[i], ycoord[i], zcoord[i])

    G.add_node(patch(Stat,Pos))

for p1 in G.nodes():
    for p2 in G.nodes():
        Dist = np.sqrt((p1.pos[2] - p2.pos[2])**2 + (p1.pos[1]-p2.pos[1])**2+(p1.pos[0]-p2.pos[0])**2)

        if Dist <= Distance:
            G.add_edge(p1,p2)`

在此之后，算法运行，但较大的运行在距离计算中被搁置，因此只有距离需要优化。谁能帮我解决这个问题？它看起来和其他问题类似，但我需要能够以常规 numpy 计算计算距离的方式绘制这些边缘。

Answer 1

根据我的理解说几句。 您想创建一个“epsilon-neighborhood 图”，计算所有节点之间的距离，然后过滤距离是否低于阈值 epsilon。

知道您的图是无向的，您只需要进行 (N x (N - 1)) / 2 次计算。它仍然是二次 O(n^2)，但应该更改创建边缘的循环，以便内循环始终从外循环索引 + 1 开始。它将计算量减少一半。

现在，如果您想真正进行扩展，您应该考虑是否可以使用近似最近邻方法，因为您使用标准 L2 范数（欧几里得距离）。

我建议你看看NMSLib 或Annoy 这样做。它们具有 python 绑定，但为了速度而在 C++ 中实现。

希望对您有所帮助。