用Python编写的Friends of Friends算法需要使用Fortran 90/95

我正在尝试为“朋友的朋友”算法编写自己的代码。该算法作用于一组3d数据点，并返回数据集中的“光晕”数量。每个光环都是一组点，其距离小于程序的唯一参数链接长度b

算法描述： FOF算法有一个单独的自由参数，称为链接长度。相隔距离小于或等于链接长度的任何两个粒子称为“朋友”。FOF组由一组粒子定义，其中集合中的每个粒子通过朋友网络连接到集合中的每个其他粒子

设置FOF组计数器j=1

• 对于尚未与任何组关联的每个粒子n：

• 将n指定给组j，初始化组j的新成员列表mlist，并将粒子n作为第一个条目

• 递归地，对于mlist中的每个新粒子p：

• 查找距离小于或等于链接长度的p的邻居，将尚未分配给组j的添加到mlist
• 记录j组的mlist，设置j=j+1

这是我尝试编写算法的代码。唯一让我感到舒服的语言是Python。但是，我需要用Fortran编写这段代码，或者使其更快。我真的希望有人能帮助我

首先，我生成一组点，模拟3个光晕的存在：

import random
from random import *
import math
from math import *
import numpy
from numpy import *
import time

points = 1000

halos=[0,100.,150.]

x=[]
y=[]
z=[]
id=[]
for i in arange(0,points,1):
   x.append(halos[0]+random())
   y.append(halos[0]+random())
   z.append(halos[0]+random())
   id.append(i)

for i in arange(points,points*2,1):
   x.append(halos[1]+random())
   y.append(halos[1]+random())
   z.append(halos[1]+random())
   id.append(i)

for i in arange(points*2,points*3,1):
   x.append(halos[2]+random())
   y.append(halos[2]+random())
   z.append(halos[2]+random())
   id.append(i)

然后我对FOF算法进行编码：

  x=array(x)
  y=array(y)
  z=array(z)
  id=array(id)

  t0 = time.time()                         

  id_grp=[]
  groups=zeros((len(x),1)).tolist()
  particles=id
  b=1 # linking length
  while len(particles)>0:
  index = particles[0]
  # remove the particle from the particles list
  particles.remove(index)
  groups[index]=[index]
  print "#N ", index
  dx=x-x[index]
  dy=y-y[index]
  dz=z-z[index]
  dr=sqrt(dx**2.+dy**2.+dz**2.)
  id_to_look = where(dr<b)[0].tolist()
  id_to_look.remove(index)
  nlist = id_to_look
  # remove all the neighbors from the particles list
  for i in nlist:
        if (i in particles):
           particles.remove(i)
  print "--> neighbors", nlist
  groups[index]=groups[index]+nlist
  new_nlist = nlist
  while len(new_nlist)>0:
          index_n = new_nlist[0]
          new_nlist.remove(index_n)
          print "----> neigh", index_n
          dx=x-x[index_n]
          dy=y-y[index_n]
          dz=z-z[index_n]
          dr=sqrt(dx**2.+dy**2.+dz**2.)
          id_to_look = where(dr<b)[0].tolist()
          id_to_look = list(set(id_to_look) & set(particles))
          nlist = id_to_look
          if (len(nlist)==0):
             print "No new neighbors found"
          else:
             groups[index]=groups[index]+nlist
             new_nlist=new_nlist+nlist
             print "------> neigh-neigh", new_nlist
             for k in nlist:
               particles.remove(k)

---

我认为，如果你开始学习Fortran时希望得到的代码比你当前的实现更快，那你就不明智了。最终可能是这样，但我认为最好在考虑用另一种语言（特别是外语）实现之前，尽可能快地完成Python实现

我写的是Fortran，我个人认为它的性能在Python上很受欢迎，但了解这些东西的人提供了令人信服的论据，Python+SciPy+Numpy如果精心设计，可以在许多科学/工程程序的计算内核中与Fortran相媲美。不要忘记，直到计算机上的所有内核都运行红热时，您才优化Python

因此：

第一，用Python实现一个有效的实现

第二，尽快实施

如果（大写字母，因为它是一个大的‘IF’），代码仍然不够快，将它翻译成编译语言的成本/收益是有利的，那么考虑将哪种编译语言翻译成。如果你在FORTRAN被广泛使用的领域，那么学习FORTRAN，但它是一种利基语言，它可能会受益于你的职业更多地学习C++或它的一个亲戚。 编辑（太长，无法放入注释框）

---

为什么在你的问题上误导我们？你说你唯一熟悉的语言是Python，现在你说你懂Fortran。我想你一定觉得不舒服。而且，从您的评论来看，您真正需要的帮助似乎是加快Python实现的速度；他提出了一些建议。考虑到这一点，然后并行化。

我认为，如果你开始学习Fortran，希望得到的代码比当前的实现更快，那是不明智的。最终可能是这样，但我认为最好在考虑用另一种语言（特别是外语）实现之前，尽可能快地完成Python实现

我写的是Fortran，我个人认为它的性能在Python上很受欢迎，但了解这些东西的人提供了令人信服的论据，Python+SciPy+Numpy如果精心设计，可以在许多科学/工程程序的计算内核中与Fortran相媲美。不要忘记，直到计算机上的所有内核都运行红热时，您才优化Python

因此：

第一，用Python实现一个有效的实现

第二，尽快实施

如果（大写字母，因为它是一个大的‘IF’），代码仍然不够快，将它翻译成编译语言的成本/收益是有利的，那么考虑将哪种编译语言翻译成。如果你在FORTRAN被广泛使用的领域，那么学习FORTRAN，但它是一种利基语言，它可能会受益于你的职业更多地学习C++或它的一个亲戚。 编辑（太长，无法放入注释框）

---

为什么在你的问题上误导我们？你说你唯一熟悉的语言是Python，现在你说你懂Fortran。我想你一定觉得不舒服。而且，从您的评论来看，您真正需要的帮助似乎是加快Python实现的速度；他提出了一些建议。考虑到这一点，然后并行化。

指向更高效算法的指针。如果我没弄错的话，你是在将一个点与其他点进行比较，看看是否有比链接长度更近的点。对于大量的点，有更快的方法找到近邻——空间索引和KD树，但毫无疑问，还有其他方法也适用于您。

指向更高效算法的指针。如果我没弄错的话，你是在将一个点与其他点进行比较，看看是否有比链接长度更近的点。对于大量的点，有更快的方法找到近邻——空间索引和KD树，但毫无疑问，还有其他方法也适用于您。

如果您有一个现代图形卡，您可以使用

  def select(test,list):
  selected = []
  for item in list:
    if test(item) == True:
      selected.append(item)
  return selected

  groups=select(lambda x: sum(x)>0.,groups)
  # sorting groups
  groups.sort(lambda x,y: cmp(len(x),len(y)))
  groups.reverse()

  print time.time() - t0, "seconds"

  mass=x
  for i in arange(0,len(groups),1):
    total_mass=sum([mass[j] for j in groups[i]])
    x_cm = sum([mass[j]*x[j] for j in groups[i]])/total_mass
    y_cm = sum([mass[j]*y[j] for j in groups[i]])/total_mass
    z_cm = sum([mass[j]*z[j] for j in groups[i]])/total_mass
    dummy_x_cm = [x[j]-x_cm for j in groups[i]]
    dummy_y_cm = [y[j]-y_cm for j in groups[i]]
    dummy_z_cm = [z[j]-z_cm for j in groups[i]]
    dummy_x_cm = array(dummy_x_cm)
    dummy_y_cm = array(dummy_y_cm)
    dummy_z_cm = array(dummy_z_cm)
    dr = max(sqrt(dummy_x_cm**2.+dummy_y_cm**2.+dummy_z_cm**2.))
    dummy_x_cm = max(dummy_x_cm)
    dummy_y_cm = max(dummy_y_cm)
    dummy_z_cm = max(dummy_z_cm)
    print i, len(groups[i]), x_cm, y_cm, z_cm,dummy_x_cm,dummy_y_cm,dummy_z_cm