Python SciPy cKDTree.query用法及代码示例

本文简要介绍 python 语言中 scipy.spatial.cKDTree.query 的用法。

用法:

cKDTree.query(self, x, k=1, eps=0, p=2, distance_upper_bound=np.inf, workers=1)#

查询最近邻居的kd-tree

参数 ：：

x： 数组，最后一维 self.m

要查询的点数组。

k： 整数或整数列表

要返回的k-th 最近邻居列表。如果 k 是整数，则将其视为 [1, ... k] (range(1, k+1)) 的列表。请注意，计数从 1 开始。

eps： 非负浮点数

返回近似最近邻； k-th 返回值保证不超过 (1+eps) 乘以与真实 k-th 最近邻居的距离。

p： 浮点数，1<=p<=无穷大

使用哪个 Minkowski p-norm。 1 是 sum-of-absolute-values “Manhattan” 距离 2 是通常的欧几里德距离 无穷大是 maximum-coordinate-difference 距离 如果可能发生溢出，有限的大 p 可能会导致 ValueError。

distance_upper_bound： 非负浮点数

仅返回此距离内的邻居。这用于修剪树搜索，因此如果您正在执行一系列nearest-neighbor 查询，它可能有助于提供到最近点的最近邻居的距离。

workers： 整数，可选

用于并行处理的工作人员数量。如果指定 -1，则使用所有 CPU 线程。默认值：1。

返回 ：：

d： 浮点数数组

到最近邻居的距离。如果 x 具有形状 tuple+(self.m,) ，则 d 具有形状 tuple+(k,) 。当 k == 1 时，输出的最后一个维度被压缩。缺失的邻居用无限距离表示。

i： 整数数组

self.data 中每个邻居的索引。如果 x 具有形状 tuple+(self.m,) ，则 i 具有形状 tuple+(k,) 。当 k == 1 时，输出的最后一个维度被压缩。缺少的邻居用 self.n 表示。

注意：

如果 KD-Tree 是周期性的，则位置 x 将被包到框中。

当输入 k 是一个列表时，将执行对 arange(max(k)) 的查询，但只保留存储请求的 k 值的列。这是以减少内存使用的方式实现的。

例子：

>>> import numpy as np
>>> from scipy.spatial import cKDTree
>>> x, y = np.mgrid[0:5, 2:8]
>>> tree = cKDTree(np.c_[x.ravel(), y.ravel()])

要查询最近的邻居并返回压缩结果，请使用

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=1)
>>> print(dd, ii, sep='\n')
[2.         0.2236068]
[ 0 13]

要查询最近的邻居并返回未压缩的结果，请使用

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=[1])
>>> print(dd, ii, sep='\n')
[[2.        ]
 [0.2236068]]
[[ 0]
 [13]]

要查询第二近邻并返回未压缩的结果，请使用

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=[2])
>>> print(dd, ii, sep='\n')
[[2.23606798]
 [0.80622577]]
[[ 6]
 [19]]

要查询第一个和第二个最近的邻居，请使用

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=2)
>>> print(dd, ii, sep='\n')
[[2.         2.23606798]
 [0.2236068  0.80622577]]
[[ 0  6]
 [13 19]]

或者，更具体

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=[1, 2])
>>> print(dd, ii, sep='\n')
[[2.         2.23606798]
 [0.2236068  0.80622577]]
[[ 0  6]
 [13 19]]