У меня есть ввод 36 742 точки, что означает, что если бы я хотел вычислить нижний треугольник матрицы расстояний (используя приближение Винсенти), мне нужно было бы сгенерировать 36 742 * 36 741 * 0,5 = 1 349 974 563 расстояния.

Я хочу сохранить пары комбинаций, которые находятся в пределах 50 км друг от друга. Моя текущая установка выглядит следующим образом

shops= [[id,lat,lon]...]

def lower_triangle_mat(points):
    for i in range(len(shops)-1):
        for j in range(i+1,len(shops)):
            yield [shops[i],shops[j]]

def return_stores_cutoff(points,cutoff_km=0):
    below_cut = []
    counter = 0
    for x in lower_triangle_mat(points):
        dist_km = vincenty(x[0][1:3],x[1][1:3]).km
        counter += 1
        if counter % 1000000 == 0:
            print("%d out of %d" % (counter,(len(shops)*len(shops)-1*0.5)))
        if dist_km <= cutoff_km:
            below_cut.append([x[0][0],x[1][0],dist_km])
    return below_cut

start = time.clock()
stores = return_stores_cutoff(points=shops,cutoff_km=50)
print(time.clock() - start)

Это, очевидно, займет несколько часов. Некоторые возможности, о которых я думал:

Используйте NumPy дляvectorise эти расчеты, а не циклическийИспользуйте какой-тохэширования быстро вырезать (все магазины в пределах 100 км), а затем вычислять только точные расстояния между этими магазинамиВместо того, чтобы сохранять точки в списке, используйте что-то вроде четырехугольного дерева, но я думаю, что это помогает только в ранжировании близких точек, а не в фактическом расстоянии -> так что я думаю, что-то вродеБаза геоданныхЯ, очевидно, могу попробоватьгаверсинуса или проект и использованиеевклиды расстояния, однако я заинтересован в использовании максимально точного измерения возможноИспользоватьпараллельно обработка (однако мне было немного трудно придумать, как сократить список, чтобы получить все соответствующие пары).

редактировать: Я думаю, что геохэшинг определенно нужен здесь - примерот:

from geoindex import GeoGridIndex, GeoPoint

geo_index = GeoGridIndex()
for _ in range(10000):
    lat = random.random()*180 - 90
    lng = random.random()*360 - 180
    index.add_point(GeoPoint(lat, lng))

center_point = GeoPoint(37.7772448, -122.3955118)
for distance, point in index.get_nearest_points(center_point, 10, 'km'):
    print("We found {0} in {1} km".format(point, distance))

Однако я также хотел бы векторизовать (вместо цикла) вычисления расстояния для магазинов, возвращаемых гео-хешем.

Edit2: Поурия Хаджибагери - Я пытался использовать лямбду и карту:

# [B]: Mapping approach           
lwr_tr_mat = ((shops[i],shops[j]) for i in range(len(shops)-1) for j in range(i+1,len(shops)))

func = lambda x: (x[0][0],x[1][0],vincenty(x[0],x[1]).km)
# Trying to see if conditional statements slow this down
func_cond = lambda x: (x[0][0],x[1][0],vincenty(x[0],x[1]).km) if vincenty(x[0],x[1]).km <= 50 else None

start = time.clock()
out_dist = list(map(func,lwr_tr_mat))
print(time.clock() - start)

start = time.clock()
out_dist = list(map(func_cond,lwr_tr_mat))
print(time.clock() - start)

И они были вокруг61 секунда (Я ограничил количество магазинов до 2000 с 32 000). Возможно я использовал карту неправильно?