我有两个数组，分别表示点坐标和值。为了从这个点云中最大程度地采样，我正在初始化具有所需大小的网格，并循环遍历每个点以分配最大值：

N = 1000000
coords = np.random.randint(0, 256, size=(N, 3))
vals = np.random.rand(N, 3)

grid = np.zeros((3, 256, 256, 256), dtype=np.float16)
for i, pt in enumerate(coords):
    x, y, z = pt

    grid[0, x, y, z] = max(grid[0, x, y, z], vals[i, 0])
    grid[1, x, y, z] = max(grid[1, x, y, z], vals[i, 1])
    grid[2, x, y, z] = max(grid[2, x, y, z], vals[i, 2])

有没有办法可以通过 NumPy 做到这一点，而不需要 for 循环（这非常慢）？

解决方案

np.maximum.at可用于max在特定索引处执行操作。

例如，如果我们有两个数组arr1并且arr2要比较一个indices数组，我们可以这样做：

arr1 = np.array([1, 2, 3, 4, 5])
arr2 = np.array([10, 1, 8, 7, 3])
indices = np.array([0, 1, 2, 1, 4])

# Perform in-place maximum update
np.maximum.at(arr1, indices, arr2)

print(arr1)
# Output: [10  7  8  4  5]

所以我相信你的情况，你可以做这样的事情：

indices = coords[:, 0], coords[:, 1], coords[:, 2]

np.maximum.at(grid[0], indices, vals[:, 0])
np.maximum.at(grid[1], indices, vals[:, 1])
np.maximum.at(grid[2], indices, vals[:, 2])