Python 将numpy数组的行划分为多个存储桶

我正在编写处理大型点云的代码。我已经能够成功地将我的大部分代码矢量化，以提高效率，但是，我想不出一个好方法来实现这一点：

我有一个nx3 numpy数组，它表示z>=0的3d（x，y，z）中的点。我想创建一个长度为k的列表，它是通过将numpy数组的行按z值对折生成的。i、 e.如果一个点的z值为$z_i$，那么该点应该进入bucket$j=\lfloor z_i/d\rfloor$，其中$d$是bucket的分辨率$d$预先计算为$z{max}/k$，其中k是固定数量的桶。现在，我尝试了以下方法：

buckets = [set() for _ in range(num_buckets)]
d = max_z / num_slices

for i in range(len(points)):
    p = points[i]
    k = int(math.floor(p[2] / d))
    buckets[min(k, num_buckets - 1)] |= {tuple(p)}

但是，这是非常低效的，因为我迭代了整个点数据集（非常大）。另一方面，它强调桶数的独立性。对于给定z值的点，我有一个闭合的索引形式，所以我不需要迭代桶列表

也就是说，num_bucket远小于点数，所以我还写了这个，它必须更快：

for i in range(num_buckets):
    ps = points[np.floor(in_fov[:,2] / d) == i]
    buckets[i] = ps

这当然更快了，但是现在运行时依赖于num_bucket，而且增长相当麻烦，因为我正在为每个bucket对一个大数组进行numpy过滤

---

我的问题是，是否有更好的方法可以做到这一点，允许我将nx3数组的每一行分配给一个列表索引，该索引允许我利用这样一个事实，即我可以独立计算每个点的索引，并希望消除对num_bucket的迭代。

一件事可以是只计算一次bucket

floor

根本不依赖于

i

，因此您只能在循环内部进行索引。如果您的目标是加快代码的速度，那么创建一组元组列表（即第一个解决方案中的

Bucket

）甚至一组数组（第二个解决方案）似乎不是一个很好的选择。您可能想简单地创建这样一个索引数组：<代码> BukKyStindex＝Poo[[，2 ] /[（点：，2）.Max（）/ NUMIX桶] < /代码>，然后使用此方法在算法的下一步中直接选择相关行。