我拥有:3D框内不同位置的预定义圆和粒子(带有x-y-z坐标中的id和位置) .

我想做的事情:找出每个圆圈的某个半径范围内的所有粒子,并记录它们的ID .

我一直在做的事情:我正在使用distance.cdist()函数来计算所有粒子的x轴位置和圆圈的每个中心之间的欧氏距离 . 这是通过循环所有中心并将所有粒子和每个中心之间的距离存储在不同列中来完成的 .

我的代码是:

p_h_dx = np.empty((len(p),len(dsel))) #I create an empty array
for i in range(len(dsel)): #looping over all centers
    distance = distance.cdist(np.column_stack((p[:,1],p_zeros)),np.column_stack((dsel[:,2][i],0)),'euclidean')
    p_h_dx[:,i] = distance.reshape((len(p),))[:]

然后我重复它为y轴和z轴 . 最后,我用以下方式计算距离:

###############################################
p_h_dx an array storing the distances between the x-axis positions of all 
particles and centers of the circles;
p_h_dy for y-axis and p_h_dz for z-axis
###############################################
p_h_d = np.sqrt(np.power(p_h_dx,2) + np.power(p_h_dy,2) + np.power(p_h_dz,2))

我有超过1亿个粒子和〜3万个圆圈,所以用我目前的方法,即使用mpi也需要大约1个星期来实现我的目标 . 我想知道是否有办法更有效地完成这项工作 .