如何有效地更改 matrix/nested 列表中的条目?

How do I efficiently change entries in a matrix/nested list?

对于 monte carlo 模拟,我有 500 个 Person 实例,每个实例都有一个位置(笛卡尔坐标)作为属性。在整个模拟过程中,我需要多次访问两个人之间的距离。我已经定义了一个函数来计算两个人之间的(笛卡尔)距离(为简单起见,我们称这个函数为 'distance(loc1,loc2)')。 我有兴趣使脚本在计算上更有效率。我采取的第一步是创建一个对称矩阵来存储距离,而不是每次需要时都计算距离。现在我决定把它做成一个嵌套的 numpy 数组;如果它使事情变得更容易,我可以将其更改为嵌套列表或其他内容。 (我使用这个的改编版本制作了矩阵:) 距离矩阵看起来像这样:

np.array([[0, 6.44177991, 2.74762143, 3.47162016, 2.0645646 ],
       [6.44177991, 0, 1.59860905, 8.99027864, 2.58449879],
       [2.74762143 , 1.59860905, 0, 2.06833575, 8.53594684],
       [3.47162016, 8.99027864 , 2.06833575, 0, 6.76594943],
       [2.0645646, 2.58449879, 8.53594684, 6.76594943, 0]])

在模拟过程中,人的位置(偶尔)会发生变化。发生这种情况时,我需要 'update' 矩阵。 我目前使用 for 循环来解决这个问题(见下文),但我想知道是否有更有效的方法来替换这些值。

#note: population is a list containing the 500 Person entities
#e.g. if person5's location changes:
p_id = 5

for i in range(len(population)):
    if i!=p_id:    
        new_distance=distance(population[i].location, population[p_id].location)
        distance_matrix[p_id][i] = new_distance
        distance_matrix[i][p_id] = new_distance

虽然您没有要求,但您可以使用 Numpy 的 broadcasting 以非常简单的方式找到点之间的距离。这是通过 np.newaxis 函数实现的,它只是向数组添加另一个(空)维度,以便对广播数组进行算术运算(这样可以节省内存)。在下面的代码中,不需要循环,因为我们只对距离矩阵中每一步发生变化(对应于修改后的人员位置)的行(和列)进行索引。

我希望它确实比你最初的方法更有效(还没有计时),尽管也许可以做进一步的优化(最后两行让我有点烦恼,不会说谎)。

请注意,在下面的测试代码中,我假设您的 Person 坐标显示在随机数组 xy 中,而 p_id 表示改变位置的人。

import numpy as np

np.random.seed(1)         # Fix seed for reproducibility
x = np.random.random(10)  # Test x-coordinates array
y = np.random.random(10)  # Test y-coordinates array

# Calculate distances
dists = np.sqrt((x - x[:,np.newaxis])**2 + (y - y[:,np.newaxis])**2)

# Test boolean array of persons IDs that changed locations
p_id = x > 0.5    # Just a dummy condition
x[p_id] = np.random.random(p_id.sum())    # Updated test x-coordinates
x[p_id] = np.random.random(p_id.sum())    # Updated test y-coordinates
dists_updated = np.sqrt((x - x[p_id,np.newaxis])**2 +
                        (y - y[p_id,np.newaxis])**2)
# Update distance matrix
dists[p_id]   = dists_updated
dists[:,p_id] = dists_updated.T