python - 使用 Python 代码并行化计算两点之间距离的最快方法

Question

我有一个包含数百万行的数据框“数据”。每行都有坐标('x'，'y')，我想以 python 可以提供的最有效方式计算连续坐标对之间的距离。并行化在这里有帮助吗？

我在这里看到建议使用 cython 的方法。但是我只想看到 python 解决方案。

这是我的数据片段

points = 
[(26406, -6869),
 (27679, -221),
 (27679, -221),
 (26416, -6156),
 (26679, -578),
 (26679, -580),
 (27813, -558),
 (26254, -1097),
 (26679, -580),
 (27813, -558),
 (28258, -893),
 (26253, -1098),
 (26678, -581),
 (27811, -558),
 (28259, -893),
 (26252, -1098),
 (27230, -481),
 (26679, -582),
 (27488, -5849),
 (27811, -558),
 (28259, -893),
 (26250, -1099),
 (27228, -481),
 (26679, -582),
 (27488, -5847),
 (28525, -1465),
 (27811, -558),
 (28259, -892)]

我相信我的第一个使用 for-loop 的方法肯定可以改进:

    from scipy.spatial import distance
    def comp_dist(points):
        size  =len(points)
        d = 0
        i=1
        for i in range(1,size):
            if i%1000000==0:
                print i
            # print "i-1:", points[i-1]
            # print "i: ", points[i]
            dist = distance.euclidean(points[i-1],points[i])
            d= d+dist
        print d

    distance = comp_dist(points)

提前感谢您的回答。

Answer 1

你说的是 python，但由于你已经在使用 scipy 进行距离计算，所以我认为 numpy 解决方案就可以了。

在 2800 万点的 numpy 数组上使用矢量化单线程操作在我的笔记本电脑上只需要 1 秒。该数组使用32位整数数据类型，占用内存约200MB。

import numpy as np
points = [(26406, -6869), ..., (28259, -892)]
# make test array my repeating the 28-element points list 1M times
np_points = np.array(points*1000000, dtype='int32')
# use two different slices (offset by 1) from resulting array;
# execution of next line takes ~1 second
dists = np.sqrt(np.sum((np_points[0:-2] - np_points[1:-1])**2, axis=1))

print(dists.shape)
(27999998,)

print(dists[:28])
[  6.76878372e+03   0.00000000e+00   6.06789865e+03   5.58419672e+03
   2.00000000e+00   1.13421338e+03   1.64954600e+03   6.69263775e+02
   1.13421338e+03   5.57000898e+02   2.01545280e+03   6.69263775e+02
   1.13323343e+03   5.59400572e+02   2.01744244e+03   1.15636197e+03
   5.60180328e+02   5.32876815e+03   5.30084993e+03   5.59400572e+02
   2.01953386e+03   1.15689585e+03   5.58213221e+02   5.32679134e+03
   4.50303153e+03   1.15431581e+03   5.58802291e+02   6.25764636e+03]