indeksowanie sferycznego podzbioru danych siatki 3d w numpy

Mam siatkę 3d ze współrzędnymi

x = linspace(0, Lx, Nx)
y = linspace(0, Ly, Ny)
z = linspace(0, Lz, Nz)

i muszę indeksować punkty (tj. x [i], y [j], z [k]) w obrębie pewnego promienia R pozycji (x0, y0, z0). N_i może być dość duży. Mogę zrobić prostą pętlę, aby znaleźć to, czego potrzebuję

points=[]
i0,j0,k0 = floor( (x0,y0,z0)/grid_spacing )
Nr = (i0,j0,k0)/grid_spacing + 2
for i in range(i0-Nr, i0+Nr):
    for j in range(j0-Nr, j0+Nr):
        for k in range(k0-Nr, k0+Nr):
            if norm(array([i,j,k])*grid_spacing - (x0,y0,k0)) < cutoff:
                points.append((i,j,k))

ale to dość wolno. Czy istnieje bardziej naturalny / szybszy sposób wykonywania tego typu operacji z numpy?

questionAnswers(1)

yourAnswerToTheQuestion