<p>如何使下一段代码运行得更快？
我首先计算多个点之间的距离（没问题），但是在那之后，我需要得到一个列表中所有点的值的平均值，这些点都比（在这个例子中是20m），如果20很小，这段代码很快，但是其他的，它非常慢，因为我需要索引等等-
下一段代码正是我想要的，但是如果我取20作为值，而不是例如6，则速度非常慢（因为对于20，大约有100个点足够接近，而对于6，只有3或5个左右）</p>
<pre><code>D = numpy.sqrt((xf[:,None] - xg[None,:])**2 + (yf[:,None] - yg[None,:])**2 + (zf[:,None] - zg[None,:])**2)
dumdic = {}
l1=[]
for i in range(len(xf)):
dumdic[i] = D[i,:][D[i,:]<20] # gets the values where the distance is small enough
A=[]
for j in range(len(dumdic[i])):
A.append(G.epsilon[list(D[i,:]).index(dumdic[i][j])]) # for each point in that dummy dictionary, gets the index where i need to take the epsilon value, and than adds that right epsilon value to A
l1.append(numpy.mean(numpy.array(A)))
a1 = numpy.array(l1)
</code></pre>
<p>epsilon是一个数组，其中每个点都有一个测量值。所以在这个数组中，我需要取（另一个数组中的每一个点）这个数组中所有点的平均值，这些点足够接近另一个点。你知道吗</p>
<p>如果你需要更多的细节，尽管问</p>
<p>在@gregwittier回复后，这是更好的版本：
有人能写一行吗？（两行，因为D=。。。取一行）
我想如果我没有l1=。。。重铸numpy数组，但现在最糟糕的事情是通过使用axis参数来终止for循环？你知道吗</p>
<pre><code>D = numpy.sqrt((xf[:,None] - xg[None,:])**2 + (yf[:,None] - yg[None,:])**2 + (zf[:,None] - zg[None,:])**2)
l1=[]
for i in range(len(xf)):
l1.append(numpy.mean(G.epsilon[D[i,:]<20]))
a1 = numpy.array(l1)
</code></pre>
