Python 性能问题：查找点所在的多边形

我目前有一个工作脚本，但我遇到了性能问题

我想要的是：获得建筑物的高度

我拥有的：一个文件，上面有我感兴趣的建筑物的GPS坐标（数百万，可能有/某些重复），都位于荷兰 荷兰每栋建筑高度的档案。这是一个GML文件，但我无法使用networkx正确加载它，因此我使用xml.etree.ElementTree解决了这个问题，将其作为xml文件处理。如果你愿意，可以下载

方法：从GML文件中，我能够为每一个以多边形轮廓坐标为关键点、高度为值的建筑（大约300万）建立一个字典。 例如：

dictHeights = {((157838.00015090595, 461662.000273708), (157838.00015090595, 461662.000273708), (157781.32815085226, 461515.93227361), (157781.32815085226, 461515.93227361), (157781.32815085226, 461515.93227361)): 9.41, ...}

我能够使用以下两个自制函数循环遍历所有关键点并找到高度，这很好，但是，由于我处理数百万个点（地址）和多边形（建筑物），我遇到了严重的性能问题。只需要几分钟就可以达到5个高度。。。一种解决方案可能是使用树结构，但我看不出这将如何充分减少运行时间，因为我要么需要构建一个耗时的巨树，要么树很小，然后所有步骤都很耗时。基本上，如果可能的话，我想去掉大for循环

import numpy as np
import matplotlib.path as mpltPath

这个功能是瓶颈 我不太确定如何创建虚拟数据来复制我的数据。我的主要来源是。问题是如何正确地创建dict

# random points set of points to test 
N = 1000 #this should be about 4 million
points = zip(np.random.random(N),np.random.random(N))

#this creates a an array of polygons,but they overlap, and don't in my data.
lenpoly = 100 
M = 100 # this should be about 3 million

polygons = tuple([tuple((np.sin(x)+0.5,np.cos(x)+0.5) for x in np.linspace(np.pi,lenpoly)[:-1]) for m in np.random.random(M)])

#create array of virtual heights
heights = 100*np.random.random_sample(M)

下面这行是一个只有1个条目的dict，我已经尝试了大约1000种方法以我想要的方式构建dict（所有多边形都作为关键点，高度作为值），但我无法做到。。。要么是

polygons

是一个生成器，要么是M个生成器，要么是它应该是的（就像现在），但是字典不能正常工作

dictHeights = dict((polygon, height) for polygon, height in zip(polygons, heights))

result = getMedianHeight(dictHeights, points)

为了制作MWE，我将提供一小部分真实数据：

dictHeights = {((151922.594999999, 601062.109999999), (151915.193, 601067.614999998), (151919.848000001, 601073.874000002), (151927.25, 601068.368999999), (151922.594999999, 601062.109999999)): 9.16, ((151229.125999998, 601124.223999999), (151231.934, 601113.313000001), (151225.774, 601111.728), (151222.965999998, 601122.638999999), (151229.125999998, 601124.223999999)): 7.695}
points = [(157838.00015090595, 461662.000273708), (157838.00015090595, 461662.000273708), (157781.32815085226, 461515.93227361), (157781.32815085226, 461515.93227361), (157781.32815085226, 461515.93227361)]
result = getMedianHeight(dictHeights, points)

---

注意：由于dict中的多边形不是正确的建筑物，因此此MWE的结果对于所有点都是-999，但您应该得到点：-）

为什么不在加载时将数据拆分为纬度/经度的粗略度（或分）树？然后，您可以仅选择搜索点的相交子集（最多2x2，除非有跨越超过1度/分钟的建筑），并仅在该子集中与建筑进行碰撞测试，而不是检查整个数据集中的每个建筑。这是你能做的最粗糙的优化，但它应该会极大地提高你的性能，尽管在乌得勒支/阿姆斯特丹搜索一个点时，它会比在弗里斯兰搜索一个点慢。我已经考虑过这个问题（但我还不知道如何构建子集/树结构）但我认为这并不能解决问题：要么你有很多小的分支/子集，要么你最终只有很少的大分支/子集。拥有更多子集会导致找到正确子集的时间更长，但在子集内搜索速度更快。这当然是一种折衷，但如果存在快速解决方案，找到最佳平衡将是一项非常耗时的任务。。。那么，对于如何实施你的想法，你有什么指导吗？你有没有试过分块实施？我认为如果你写代码，你会看到它会快得多

dictHeights = {((151922.594999999, 601062.109999999), (151915.193, 601067.614999998), (151919.848000001, 601073.874000002), (151927.25, 601068.368999999), (151922.594999999, 601062.109999999)): 9.16, ((151229.125999998, 601124.223999999), (151231.934, 601113.313000001), (151225.774, 601111.728), (151222.965999998, 601122.638999999), (151229.125999998, 601124.223999999)): 7.695}
points = [(157838.00015090595, 461662.000273708), (157838.00015090595, 461662.000273708), (157781.32815085226, 461515.93227361), (157781.32815085226, 461515.93227361), (157781.32815085226, 461515.93227361)]
result = getMedianHeight(dictHeights, points)