scipy.spatial.cKDTree

参考链接：scipy.spatial.cKDTree — SciPy v0.15.0 Reference Guide

类 scipy.spatial.cKDTree

用于快速最近邻查找的kd-tree

这个类提供了一组k维点的索引，可用于快速查找任意点的最近邻。

所使用的算法在Maneewongvatana and Mount 1999中有描述。一般的思想是kd树是一个二叉树，它的每个节点表示一个轴对齐的超矩形。每个节点指定一个轴，并根据它们在该轴上的坐标是否大于或小于某个特定值来分割点集。

在构造过程中，轴和分割点是由“滑动中的点”规则选择的，这确保了单元格不会都变得又长又薄。

可以查询树中任意给定点的r个最近邻居(可选择只返回与该点最大距离内的邻居)。它还可以查询r个大致最近的邻居，这在效率上有很大的提高。

对于大维度(20已经很大了)，不要指望它比蛮力运行得快得多。高维最近邻查询是计算机科学中一个重要的开放问题。

参数：

data：类数组，形状为（n,m）

要索引的m维的n个数据点。除非需要生成一个连续的doubles数组，否则不会复制此数组，因此修改此数据将导致伪结果。

leafsize:正整数

算法切换到蛮力算法的点数。

属性

data

leafsize

m

maxes

mins

n

方法

count_neighbors(self, other, r, p) 数一下附近能形成多少对。

query(self, x[, k, eps, p, distance_upper_bound]) 查询最近邻的kd-tree。

参数：x:类数组，最后一个维度self.m

要查询的点的数组

k:整数

返回的最近邻的个数

返回值：d:浮点数数组

query_ball_points(self, x, r, p, eps) 找出点(s) x距离r内的所有点。

query_ball_tree(self, other, r, p, eps) 找出所有距离最大为r的点对。

query_pairs(self, r, p, eps) 找出所有距离最大为r的点对。

sparse_distance_matrix(self, other, max_distance) 计算一个稀疏距离矩阵。