Python 3.x 如何在另一个np.where中使用np.where（conext:光线跟踪）

问题是：如何在同一个语句中使用两个np.where，如下所示（过于简化）：

避免在未到达第一个条件语句时计算第二个条件语句

我的第一个目标是找到三角形中光线的交点（如果有）。此问题可通过此算法解决（在stackoverflow上找到）：

以下是两个条件语句：

s1=s2

s3==s4和s4==s5

现在，因为我有>20k个三角形要检查，所以我想同时对所有三角形应用此函数

第一个解决方案是：

s1 = vol(r0,tri[:,0,:],tri[:,1,:],tri[:,2,:])
s2 = vol(r1,tri[:,0,:],tri[:,1,:],tri[:,2,:])

s3 = vol(r1,r2,tri[:,0,:],tri[:,1,:])
s4 = vol(r1,r2,tri[:,1,:],tri[:,2,:])
s5 = vol(r1,r2,tri[:,2,:],tri[:,0,:])

np.where((s1!=s2) & (s3+s4==s4+s5),intersect(),False)

其中s1、s2、s3、s4、s5是包含每个三角形的值S的数组。问题是，这意味着我必须计算所有三角形的s3、s4和s5

现在理想情况是仅当语句1为真时才计算语句2（以及s3、s4、s5），如下所示：

check= np.where((s1!=s2),np.where((compute(s3)==compute(s4)) & (compute(s4)==compute(s5), compute(intersection),False),False)

    s3= np.sign(dot(np.cross(r0r1, r0t0), r0t1)  /6.0)
    s4= np.sign(dot(np.cross(r0r1, r0t1), r0t2)  /6.0)
    s5= np.sign(dot(np.cross(r0r1, r0t2), r0t0)  /6.0)
    loTrue= np.where((s1!=s2) & (abs(s3-s4)<1e-4) & ( abs(s5-s4)<1e-4) ,True,False)

（为了简化解释，我只说了‘compute’，而不是整个计算过程。这里，‘compute’只在适当的三角形上进行）

---

当然，这个选项不起作用（并且计算了两次s4），但我很乐意就类似的过程提供一些建议

下面是我如何使用屏蔽数组来回答这个问题的：

    loTrue= np.where((s1!=s2),False,True)
    s3=ma.masked_array(np.sign(dot(np.cross(r0r1, r0t0), r0t1)),mask=loTrue)
    s4=ma.masked_array(np.sign(dot(np.cross(r0r1, r0t1), r0t2)),mask=loTrue)
    s5=ma.masked_array(np.sign(dot(np.cross(r0r1, r0t2), r0t0)),mask=loTrue)
    loTrue= ma.masked_array(np.where((abs(s3-s4)<1e-4) & ( abs(s5-s4)<1e-4),True,False),mask=loTrue)

    #also works when computing s3,s4 and s5 inside loTrue, like this:        
    loTrue= np.where((s1!=s2),False,True)
    loTrue= ma.masked_array(np.where(
            (abs(np.sign(dot(np.cross(r0r1, r0t0), r0t1))-np.sign(dot(np.cross(r0r1, r0t1), r0t2)))<1e-4) &
            (abs(np.sign(dot(np.cross(r0r1, r0t2), r0t0))-np.sign(dot(np.cross(r0r1, r0t1), r0t2)))<1e-4),True,False)
            ,mask=loTrue)

loTrue=np.where（（s1！=s2），False，True）
s3=ma屏蔽数组（np.符号（点（np.交叉（r0r1，r0t0，r0t1）），掩码=loTrue）
s4=ma.屏蔽数组（np.符号（点（np.交叉（r0r1，r0t1，r0t2）），屏蔽=loTrue）
s5=ma屏蔽阵列（np.符号（点（np.交叉（r0r1，r0t2），r0t0）），屏蔽=loTrue）
loTrue=ma.masked_数组（np.where（（abs（s3-s4）我可以从短路中获得一个小的加速，但我不认为它值得额外的管理

full computation 4.463818839867599 ms per iteration (one ray, 20,000 triangles)
short ciruciting 3.0060838296776637 ms per iteration (one ray, 20,000 triangles)

代码：

将numpy导入为np
def ilt_切口（q1、q2、p1、p2、p3）：
qm=（q1+q2）/2
qd=qm-q2
p12=p1-p2
aux=np.交叉（qd，q2-p2）
s3=np.einsum（“ij，ij->i”，辅助，第12页）
s4=np.einsum（“ij，ij->i”，辅助，p2-p3）
ge=（s3>=0）和（s4>=0）
le=（s3=0）
乐=乐[保持]&（s5=0）&（s4>=0）&（s5>=0）
le=（S3）使用屏蔽数组。它们允许您计算条件，然后仅在条件适用的情况下计算其他内容。条件1不太可能失败吗？这意味着即使您能够短接电路，您也只能保存条件2的一小部分计算结果？您好，感谢您的快速回答！我将尝试第一个选项并返回到你。关于第二条评论，它实际上在“简化”中发生了很多网格。在检查条件一前后的长度时，我从15k三角形到9k三角形。@RolandSireyjol啊，我明白了，我被你的函数名
signed_tetra_volume
愚弄了，它不是一个signed四面体体积，而是一个signed四面体体积的符号，也就是方向，我相信。是的，它是另一篇文章中的函数，抱歉造成混淆。顺便说一句，因为我们只使用符号，所以除以6是无用的。在另一点上，请注意，对于某些特定的三角形，此函数将返回0（可能当所有3个点都在同一条线上时，我正在研究）.因此，s3=s4或s4=s5等条件不成立，尽管光线穿过三角形）。如果您想了解更多详细信息，我可以提供一些，并在找到后更新修复程序。这种加速非常有用，特别是因为我正在为一个数据集执行此过程，该数据集包含3.5k个元素，每个元素有20k个面，每个元素有11k条光线。节省的每一点时间都会产生巨大的差异。^^。感谢更新，我将尝试它。
    s3= np.sign(dot(np.cross(r0r1, r0t0), r0t1)  /6.0)
    s4= np.sign(dot(np.cross(r0r1, r0t1), r0t2)  /6.0)
    s5= np.sign(dot(np.cross(r0r1, r0t2), r0t0)  /6.0)
    loTrue= np.where((s1!=s2) & (abs(s3-s4)<1e-4) & ( abs(s5-s4)<1e-4) ,True,False)

full computation 4.463818839867599 ms per iteration (one ray, 20,000 triangles)
short ciruciting 3.0060838296776637 ms per iteration (one ray, 20,000 triangles)

import numpy as np

def ilt_cut(q1,q2,p1,p2,p3):
    qm = (q1+q2)/2
    qd = qm-q2
    p12 = p1-p2
    aux = np.cross(qd,q2-p2)
    s3 = np.einsum("ij,ij->i",aux,p12)
    s4 = np.einsum("ij,ij->i",aux,p2-p3)
    ge = (s3>=0)&(s4>=0)
    le = (s3<=0)&(s4<=0)
    keep = np.flatnonzero(ge|le)
    aux = p1[keep]
    qpm1 = qm-aux
    p31 = p3[keep]-aux
    s5 = np.einsum("ij,ij->i",np.cross(qpm1,p31),qd)
    ge = ge[keep]&(s5>=0)
    le = le[keep]&(s5<=0)
    flt = np.flatnonzero(ge|le)
    keep = keep[flt]
    n = np.cross(p31[flt], p12[keep])
    s12 = np.einsum("ij,ij->i",n,qpm1[flt])
    flt = np.abs(s12) <= np.abs(s3[keep]+s4[keep]+s5[flt])
    return keep[flt],qm-(s12[flt]/np.einsum("ij,ij->i",qd,n[flt]))[:,None]*qd

def ilt_full(q1,q2,p1,p2,p3):
    qm = (q1+q2)/2
    qd = qm-q2
    p12 = p1-p2
    qpm1 = qm-p1
    p31 = p3-p1
    aux = np.cross(qd,q2-p2)
    s3 = np.einsum("ij,ij->i",aux,p12)
    s4 = np.einsum("ij,ij->i",aux,p2-p3)
    s5 = np.einsum("ij,ij->i",np.cross(qpm1,p31),qd)
    n = np.cross(p31, p12)
    s12 = np.einsum("ij,ij->i",n,qpm1)
    ge = (s3>=0)&(s4>=0)&(s5>=0)
    le = (s3<=0)&(s4<=0)&(s5<=0)
    keep = np.flatnonzero((np.abs(s12) <= np.abs(s3+s4+s5)) & (ge|le))
    return keep,qm-(s12[keep]/np.einsum("ij,ij->i",qd,n[keep]))[:,None]*qd

tri = np.random.uniform(1, 10, (20_000, 3, 3))
p0, p1 = np.random.uniform(1, 10, (2, 3))

from timeit import timeit
A,B,C = tri.transpose(1,0,2)
print('full computation', timeit(lambda: ilt_full(p0[None], p1[None], A, B, C), number=100)*10, 'ms per iteration (one ray, 20,000 triangles)')
print('short ciruciting', timeit(lambda: ilt_cut(p0[None], p1[None], A, B, C), number=100)*10, 'ms per iteration (one ray, 20,000 triangles)')