我在分析激光扫描仪生成的大量点云数据。在第三步中，我根据z值删除点，但我的函数真的很慢。
1.导入使用pandas从.csv文件导入数据。导入的数据框'df'包含X、Y、Z的数据。例如：df的形状为[300，1001]。则X是df的前三分之一。X = df.iloc[：99，1：]，Y为df.iloc[100：199，1：]，依此类推。第一列（索引）是不相关的。X、Y、Z中的一行对应于单次扫描的数据。
1.转换为NumPy数据框'df'包含许多空字段''。因此，我将数据结构更改为形状为（N，3）的NumPy数组“A”，其中每行表示一个点。将删除包含空值的所有点。
1.根据最大值删除点。扫描高度。我只对每次扫描中略低于最大值的点感兴趣。我使用我的函数'in_max_height'来创建允许范围内所有点的掩码。
下面是我的代码：

def in_max_height(A,hMax):

    # get unique x values
    unique_x = np.unique(A[:,0])

    # create an empty mask array with the same shape as A
    mask = np.zeros_like(A[:,2], dtype=bool)

    # iterate over unique x and find the max. z-value
    for x in unique_x:
        zMax = np.max(A[A[:,0] == x, 2])
        mask[A[:,0] == x] = ~(A[A[:,0] == x, 2] < zMax - hMax)

    return mask

A = A[in_max_height(A,hMax=1)] # apply max. layer height

1.分析创建各种图...
我试图在第1步之后删除 * 低点 *，但我不知道如何忽略dataframe的索引列。
现在，平均点云由大约375，000个点组成，我的函数大约需要11秒才能完成。我想学习如何从根本上解决这些大数据问题。