Python / Numpy：构建2D数组而不添加重复的行（用于三角形网格）

Question

我正在处理一些可操纵3D三角形网格的代码。导入网格数据后，需要“统一”空间中同一点的顶点。

我一直以为numpy数组是存储和处理数据的最快方法，但是我似乎找不到一种快速构建顶点列表同时又避免添加重复条目的方法。

因此，要测试方法，请创建一个具有10000个唯一行的3x30000数组：

import numpy as np

points = np.random.random((10000,3))

raw_data = np.concatenate((points,points,points))

np.random.shuffle(raw_data)

这可以很好地近似为网格数据，每个点作为小平面顶点出现3次。在统一的同时，我需要建立一个唯一的顶点列表。如果一个点已经在列表中，则必须存储对该点的引用。

到目前为止，我能够使用numpy得出的最好的结果是：

def unify(raw_data):

    # first point must be new

    unified_verts = np.zeros((1,3),dtype=np.float64)

    unified_verts[0] = raw_data[0]

    ref_list = [0]

    for i in range(1,len(raw_data)):

        point = raw_data[i]     

        index_array = np.where(np.all(point==unified_verts,axis=1))[0]

        # point not in array yet

        if len(index_array) == 0:

            point = np.expand_dims(point,0)

            unified_verts = np.concatenate((unified_verts,point))

            ref_list.append(len(unified_verts)-1)

        # point already exists

        else:

            ref_list.append(index_array[0])

    return unified_verts, ref_list

使用cProfile进行测试：

import cProfile

cProfile.run("unify(raw_data)")

在我的计算机上，此过程运行了5.275秒。尽管我已经使用Cython加快了速度，但是据我所知，Cython的运行速度通常不会比numpy方法快得多。关于如何更有效地执行此操作的任何建议？