在 Python 中加速循环

Question

我是运行一个循环，它为 GeoDataFrames（城市）列表的每一行（街区）计算一个 networkx.classes.multidigraph.MultiDiGraph。然后它为每一行计算一些统计数据并将文件写出到磁盘。问题是循环计算起来非常长，因为图形是为每一行计算的。我正在寻找一种加速循环的方法

我试图计算每个完整 GeoDataFrame 的图形，然后再将其剪裁到邻域边界，但我不知道剪裁 Networkx 图形的方法。

这是我的初始代码，需要 95 秒：

import osmnx as ox
import pandas as pd
import geopandas as gpd
import os

path="C:/folder/"
files=[os.path.join(path, f) for f in os.listdir(path)]
merged=[]

for i in range(0,2):
    city=gpd.read_file(files[i])
    circ=[]

    for j in range(0,2):
        graph_for_row=ox.graph_from_polygon(city.geometry[j])
        #above is the long command
        stat = ox.basic_stats(graph_for_row)
        circ.append(stat['circuity_avg'])

    circ=pd.Series(circ)
    merged.append(pd.concat([city, circ], axis=1))

for k in (range(0,len(merged))):
    with open(geofiles[k], 'w') as f:
        f.write(merged[k].to_json())

我怎样才能加快我的循环？

Answer 1

答案确实是计算每个城市的图形，然后根据邻域多边形对其进行裁剪。这是 @gboeing 在他对的回答中提出的。

city=gpd.read_file('C:/folder/file.geojson')
city_graph=ox.graph_from_polygon(city.unary_union, network_type='drive')
circ=[]

for j in (len(city)):
    intersecting_nodes = nodes[nodes.intersects(j)].index
    neighbourhood_graph = city_graph.subgraph(intersecting_nodes)
    stat = ox.basic_stats(neighbourhood_graph)
    circ.append(stat['circuity_avg'])

circ=pd.Series(circ)
merged.append(pd.concat([city, circ], axis=1))

在 Python 中加速循环

Accelerate a loop in Python

python

loops

for-loop

networkx

osmnx