เร่งการตรวจสอบตามลำดับหากจุดอยู่ในรูปร่างใน Python

เป็นการดีกว่าที่จะแปลงแพตช์สี่เหลี่ยมเป็นอาร์เรย์และดำเนินการแก้ไขหลังจากอนุมานขอบเขตที่แพตช์เหล่านั้นถูกกระจายออกไป

def seqcheck_vect(df):
    xy = df[["x", "y"]].values
    e1 = np.asarray(rec1.get_extents())
    e2 = np.asarray(rec2.get_extents())
    r1m1, r1m2 = np.min(e1), np.max(e1)
    r2m1, r2m2 = np.min(e2), np.max(e2)
    out = np.where(((xy >= r1m1) & (xy <= r1m2)).all(axis=1), 0, 
                   np.where(((xy >= r2m1) & (xy <= r2m2)).all(axis=1), 1, np.nan))
    return df.assign(location=out)

สำหรับตัวอย่างที่กำหนด ฟังก์ชันจะส่งออก:

เกณฑ์มาตรฐาน:

def loopy_version(df):
    for j in range(df.shape[0]):
        coordinates = df.x.iloc[j], df.y.iloc[j]
        if rec1.contains_point(coordinates):
            df.loc[j, "location"] = 0
        elif rec2.contains_point(coordinates):
            df.loc[j, "location"] = 1
        else:
            pass
    return df

ทดสอบบน DF จาก 10,000 แถว:

np.random.seed(42)
df  = pd.DataFrame(np.random.randint(0, 100, (10000,2)), columns=list("xy"))

# check if both give same outcome
loopy_version(df).equals(seqcheck_vect(df))
True

%timeit loopy_version(df)
1 loop, best of 3: 3.8 s per loop

%timeit seqcheck_vect(df)
1000 loops, best of 3: 1.73 ms per loop

ดังนั้นแนวทางเวคเตอร์จึงเร็วกว่าประมาณ 2,200 เท่าเมื่อเทียบกับวิธีแบบวนซ้ำ