小编KGS*_*KGS的帖子

我在包含对称性的算法中看到的一个常见结构是

for (int i = 0; i < n ; i++) {
    for (int j = i+1; j < n ; j++) {
        [compute x]
        objects[i][j] += x;
        objects[j][i] -= x;
    }
}

这（虽然仍然具有 O(n^2) 复杂性）减少了利用对称性所需的计算量。您能告诉我在 pyspark 代码中引入这种优化的方法是什么吗？

例如，我编写了代码，根据公式（其中r是位置）计算作用在系统中每个粒子上的每单位质量的力：

         N    m_j*(r_i - r_j)
F = -G * ?   -----------------
        i!=j   |r_i - r_j|^3

在其中，我首先对我的数据帧与自身进行叉积以获得每个成对的相互作用，然后通过 id 将它们全部聚合以获得作用在每个粒子上的总力：

def calc_F(df_clust, G=1):

    # cartesian product of the dataframe with itself
    renameCols = [f"`{col}` as `{col}_other`" for col in df_clust.columns]
    df_cart = …