如何解决在某些条件下迭代集合的最有效方法是什么？

我有一个模拟设置，其中有一组元组。每个元组都包含我的numpy数组中特定位置的索引。

在某个时候，我必须遍历这组元组以应用3个条件来筛选出索引，然后选择一个随机元组。我的代码如下：

def fillASRS(arr,fillLevel):
    toFill = round(float(vol*(fillLevel/100)))
    shape = arr.shape
    arr_1D = arr.reshape(-1)
    inds = np.random.choice(arr_1D.size,toFill,replace = False)
    arr_1D[inds] = 1
    arr_3D = np.array(arr_1D.reshape(shape))
    arr_3D.astype(np.int8)
    return arr_3D

warehouse = np.zeros([ASdepth,ASheight,ASlength])
warehouse = warehouse.astype(np.int8)
fillASRS(warehouse,z)
zeros = set(map(tuple,np.argwhere(warehouse==0)))

这是从开始执行的，创建了我的3D numpy数组，并用1和0填充，并且创建了我的数组为0的位置集。

然后我的代码如下：

def reloc_findSpot(coords):
    new_arr=[ele for ele in zeros if ele[0]==coords[0] if 1 not in warehouse[:ele[0],ele[1],ele[2]] if (warehouse[-(ASdepth-1-ele[0]):,ele[2]] == warehouse[-(ASdepth-1-coords[0]):,coords[1],coords[2]]).all]
    random_idx=np.random.randint(len(new_arr))
    relocSpot = new_arr[random_idx]
    return relocSpot

在这里，我使用这三个条件遍历集合，然后从现有剩余条件中选择一个随机元组。如您所见，这种情况取决于坐标，每次调用此函数时，坐标就不同。

我的程序需要很长时间才能执行（我根据测试运行1000-100000次迭代），当我对其进行概要分析时，它告诉我，我的大部分执行时间都花在了列表理解上，如下所示：

   Ordered by: cumulative time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.038    0.038   10.004   10.004 c:\Users\Eduardo\Desktop\Thesis Docs\SIMULATION\Simulation_Test.py:247(start)
      526    0.009    0.000    9.662    0.018 c:\Users\Eduardo\Desktop\Thesis Docs\SIMULATION\Simulation_Test.py:232(relocation)
      526    0.003    0.000    9.652    0.018 c:\Users\Eduardo\Desktop\Thesis Docs\SIMULATION\Simulation_Test.py:374(reloc_findSpot)
      526    9.643    0.018    9.643    0.018 c:\Users\Eduardo\Desktop\Thesis Docs\SIMULATION\Simulation_Test.py:375(<listcomp>)
      500    0.013    0.000    5.330    0.011 c:\Users\Eduardo\Desktop\Thesis Docs\SIMULATION\Simulation_Test.py:140(retrieval_Iteration)
      500    0.012    0.000    4.627    0.009 c:\Users\Eduardo\Desktop\Thesis Docs\SIMULATION\Simulation_Test.py:108(storage_Iteration)
     1000    0.051    0.000    0.269    0.000 c:\Users\Eduardo\Desktop\Thesis Docs\SIMULATION\Simulation_Test.py:363(rnd_findSpot)
     1000    0.187    0.000    0.204    0.000 C:\Users\Eduardo\AppData\Local\Programs\Python\python38-32\lib\random.py:315(sample)

我的理解是列表理解基本上是在执行for循环，因此我认为将其转换为for循环是没有用的。我的问题是，有没有一种方法可以更有效地遍历集合，并根据3种条件过滤出元组？

如果需要，一些额外的信息：

我的仓库是一个1和0的3D numpy数组
随着整个模拟过程中这些值的变化，元组的集合将更新为0和1s的位置。
列表理解中的第三个条件使我获得了足够接近的结果，但是我对比较数据片段的理解并不十分自信。

谢谢您的帮助！

解决方法

这是部分解决方案，可以使速度适度提高。

它仍然使用列表推导，但是在较小的“元组”范围内循环。（迭代次数将大大减少）

我在双引号中提到“元组”，因为在此解决方案中，zeros不再是set对象的tuple。相反，zeros是numpy的二维(N,3)形状的二维N数组。

详细信息：

第1步，共3步：

用以下内容替换行zeros = set(map(tuple,np.argwhere(warehouse==0)))：

zeros = np.argwhere(warehouse==0)

第2步，共3步：

在reloc_findSpot()中，在列表理解之前引入以下行：

filt_zeros = zeros[zeros[:,0] == coords[0]]

第3步，共3步：

在列表理解中：

将所有zeros替换为filt_zeros
删除第一个条件

让我知道它与全面数据集的关系。

最后，我的解决方案是更改findSpot算法。 reloc_findSpot()不再创建所有可能位置的列表，然后选择一个。现在，它返回第一个符合我在zeros集中的条件的元素。

对于1000次循环运行，这将我的运行时间从15秒减少到0.4秒（必须测试更多循环的效率，但这已经是一个很大的改进）。这是通过生产线实现的 relocSpot = next(ele for ele in zeros if ele[0]==coords[0] if 1 not in warehouse[:ele[0],ele[1],ele[2]] if (warehouse[-(ASdepth-1-ele[0]):,ele[2]] == warehouse[-(ASdepth-1-coords[0]):,coords[1],coords[2]]).all())

看来我的结果没有受到影响（我猜因为集合没有排序，所以匹配条件的第一个项目总是随机的）。谢谢大家的帮助！