我有超過(guò)一百萬(wàn)個(gè)重疊的 2D 矩形（未旋轉(zhuǎn)），我想將它們堆疊在一起并計(jì)數(shù)以形成熱圖/密度圖/2D 直方圖，顯示哪些區(qū)域有更多的矩形，哪些區(qū)域有更少的矩形。理想情況下，我想在 Python 中執(zhí)行此操作。從概念上講，這是一個(gè)非常簡(jiǎn)單的問(wèn)題，但我不確定如何有效地進(jìn)行堆疊計(jì)算。優(yōu)化可能性坐標(biāo)存儲(chǔ)在數(shù)據(jù)庫(kù)中。因此，我可以簡(jiǎn)單地GROUP BY將坐標(biāo)降低到 ~300,000^ 個(gè)矩形，每個(gè)矩形都有一個(gè)值，表示它代表多少個(gè)矩形。然后問(wèn)題稍微改變?yōu)槎询B矩形并將它們的值求和（不計(jì)算）之一。（^我可能會(huì)得到這個(gè)數(shù)字低很多，但這超出了這個(gè)問(wèn)題的范圍）數(shù)據(jù)矩形，定義為簡(jiǎn)單的左下角右上角坐標(biāo)對(duì)。[[0, 0], [300, 400]][[10, 30], [50, 35]][[243, 12], [244, 13]]...選項(xiàng)我考慮了幾個(gè)選項(xiàng)，但似乎沒(méi)有一個(gè)好，因?yàn)樗麄兪褂?GIS 工具來(lái)解決不必要的 GIS 問(wèn)題：勻稱的圖書館- 它并不是真的為此而設(shè)計(jì)的，因?yàn)槲抑皇窃诙询B/計(jì)算東西。通過(guò)gdalcalc的GDAL - 特別是對(duì)值求和，但這會(huì)引入大量額外的工作來(lái)首先創(chuàng)建/管理數(shù)十萬(wàn)個(gè)柵格（甚至是虛擬柵格）。Numpy / Pandas或類似的東西？我以前從未使用過(guò)這些庫(kù)，但是在谷歌上搜索這個(gè)問(wèn)題時(shí)，它們出現(xiàn)了很多，盡管從來(lái)沒(méi)有以一種看起來(lái)適用的方式出現(xiàn)。將矩形轉(zhuǎn)換為 1D 點(diǎn)的網(wǎng)格，然后簡(jiǎn)單地將它們輸入2dhist. 非常低效。那么，將大量重疊矩形轉(zhuǎn)換為密度圖的有效方法是什么？
1 回答
慕俠2389804
TA貢獻(xiàn)1719條經(jīng)驗(yàn) 獲得超6個(gè)贊
我已經(jīng)用 numpy 做到了這一點(diǎn)。是的，它很丑，但它確實(shí)有效。
import numpy as np
import matplotlib.pyplot as plt
data = [[[0, 0], [300, 400]],
[[10, 30], [50, 35]],
[[143, 12], [244, 113]]] # I modified this for better visualization
values = [1, 3, 4] # if your rectangles have values
data_range = [1000, 1000] # assumed max data range is (0, 999)
areas = np.zeros(data_range) # initialize empty area
for i, points in enumerate(data):
areas[points[0][1]:points[1][1]+1, points[0][0]:points[1][0]+1] += values[i] # I agree that it's too ugly
# I use `+1` to take these points too
# change `values[i]` to `1` if it just needs counting
# visualize result
plt.imshow(areas)
plt.colorbar()
plt.show()
結(jié)果：
添加回答
舉報(bào)
0/150
提交
取消