使用NumPy的两个矩形的交集
我具有以下功能来找到两个矩形的交点。它有点慢，我不知道这是由于OR条件还是>，<运算符引起的。我想知道是否有一种方法可以提高is_intersect（）函数的性能。也许和NumPy在一起？还是Cython？
import numpy as np
def is_intersect(rect1, rect2):
xmin1, xmax1, ymin1, ymax1 = rect1
xmin2, xmax2, ymin2, ymax2 = rect2
if xmin1 > xmax2 or xmax1 < xmin2:
return False
if ymin1 > ymax2 or ymax1 < ymax2:
return False
return True
N_ELEMS = 100000000
rects1 = np.random.rand(N_ELEMS,4)
rects2 = np.random.rand(N_ELEMS,4)
temp_dct = dict()
for i in range(N_ELEMS):
rect1 = rects1[i,:]
rect2 = rects2[i,:]
if is_intersect(rect1, rect2):
temp_dct[i] = True
我不能从缓存结果中获利，因为这些点将是增量的，也就是说，一个矩形将在空间中移动（永远不会在同一位置）。在此示例中，我使用了NumPy的random（）函数，但实际使用情况并非如此。我将调用is_intersect（）函数100000000次或更多次。
问题来源：stackoverflow
展开
收起
1
条回答
写回答
写回答
-
您可以通过使用向量化比较和
np.any避免for循环来提高性能：result = (1 - np.any([rects1[:,0] > rects2[:,1], rects1[:,1] < rects2[:,0], rects1[:,2] > rects2[:,3], rects1[:,3] < rects2[:,2]], axis=0)).astype(bool)您没有字典，但是可以按索引访问
result。1亿个元素的性能：
import numpy as np import timeit N_ELEMS = 100_000_000 rects1 = np.random.rand(N_ELEMS,4) rects2 = np.random.rand(N_ELEMS,4) start_time = timeit.default_timer() result = (1 - np.any([rects1[:,0] > rects2[:,1], rects1[:,1] < rects2[:,0], rects1[:,2] > rects2[:,3], rects1[:,3] < rects2[:,2]], axis=0)).astype(bool) print(timeit.default_timer() - start_time) 2.9162093999999996回答来源：stackoverflow
2020-03-23 17:13:50赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
