Python SciPy KDTree.query_ball_tree用法及代码示例

本文简要介绍 python 语言中 scipy.spatial.KDTree.query_ball_tree 的用法。

用法:

KDTree.query_ball_tree(other, r, p=2.0, eps=0)#

找到 self 和 other 之间距离最大为 r 的所有点对。

参数 ：：

other： KDTree 实例

包含要搜索的点的树。

r： 浮点数

最大距离，必须为正。

p： 浮点数，可选

使用哪个 Minkowski 范数。p必须满足条件1 <= p <= infinity.

eps： 浮点数，可选

近似搜索。如果最近的点比树的分支更远，则不会探索树的分支r/(1+eps), 如果分支的最远点接近于r * (1+eps).每股收益必须是非负的。

返回 ：：

results： 列表列表

对于这棵树的每个元素 self.data[i]，results[i] 是其在 other.data 中的邻居的索引列表。

例子：

您可以搜索距离内两个kd-trees之间的所有点对：

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from scipy.spatial import KDTree
>>> rng = np.random.default_rng()
>>> points1 = rng.random((15, 2))
>>> points2 = rng.random((15, 2))
>>> plt.figure(figsize=(6, 6))
>>> plt.plot(points1[:, 0], points1[:, 1], "xk", markersize=14)
>>> plt.plot(points2[:, 0], points2[:, 1], "og", markersize=14)
>>> kd_tree1 = KDTree(points1)
>>> kd_tree2 = KDTree(points2)
>>> indexes = kd_tree1.query_ball_tree(kd_tree2, r=0.2)
>>> for i in range(len(indexes)):
...     for j in indexes[i]:
...         plt.plot([points1[i, 0], points2[j, 0]],
...             [points1[i, 1], points2[j, 1]], "-r")
>>> plt.show()