Python:Rtree 安转和使用

Install

Linux

Linux在安装python库Rtree时， pip install Rtree，会提示未定义符号，因为电脑缺少必要的C库。

参考这个网页的步骤：http://toblerity.org/rtree/install.html#nix

先下载对应的libspatialindex安装包，下载地址：http://libspatialindex.github.io/
spatialindex-src-1.9.3.tar.gz (md5)，解压后进入对应文件夹，依次执行

mkdir build
cd build 
cmake ..
make 
make install

这个时候就安转成功依赖库了；再次pip install Rtree 就可以了。

如果是非root用户，建议在make install 的时候自定义一个路径，因为/usr/local你没有权限写入，参考这样make DESTDIR=/install/directory install ,其中Destdir 填写你的指定目录，但是这样安转以后，需要自己修改环境变量，以便可以找到库

翻阅Rtree的源文件，我们发现它在加载spatialindex时，其实是通过这个环境变量SPATIALINDEX_C_LIBRARY加载的，我们直接定义这个环境变量为 你指定安装的目录即可；

vim ~/.bashrc
export SPATIALINDEX_C_LIBRARY = /home/linuxbrew/.linuxbrew/Cellar/spatialindex
source ~/.bashrc

然后再次pip install Rtree就可以了

Mac

直接 brew install spatialindex即可安转依赖库，Linux下也有相应的LinuxBrew，使用方法和Mac一致，具体可以参考这个 LinuxBrew安转使用

示例

Rtree 是一个 ctypes 的python包装 libspatialindex ，这为空间感兴趣的Python用户提供了许多高级空间索引功能。这些功能包括：

• 最近邻搜索
• 交叉点搜索
• 多维指标
• 聚集索引（直接用索引项存储python pickle）
• 散装装载
• 删除
• 磁盘序列化
• 自定义存储实现（例如，在zodb中实现空间索引）

参考自：Rtree文档

文档有点久，很多API都更新了

rtree模块有2个常用的类：rtree.index.Index和rtree.index.Property。其中rtree.index.Index用于进行数据操作，rtree.index.Property用于对index进行属性的设定。

当用rtree包进行三维及以上的维度索引数据到磁盘时会创建俩个索引文件，Rtree默认使用扩展名dat和idx。可以使用rtree.index.Property.dat_extension和rtree.index.Property.idx_extension来控制索引文件的扩展名。其中.idx是索引文件，.dat是数据文件

from rtree import index
# 主要使用 rtree.index.Index 和 rtree.index.Property . 用户操纵这些类与索引交互。

# 构建 RTree 实例对象
idx = index.Index()

# 插入索引 insert(id, coordinates, obj=None):
# 其中coordinates为坐标顺序,按照 [xmin, xmax, ymin, ymax，…,……、kmin kmax]
left, bottom, right, top = (0.0, 0.0, 1.0, 1.0)
idx.insert(0, (left, bottom, right, top))

# 查询索引
# 查询索引有三种主要方法。:
# 1. 交叉  rtree.index.Index.intersection() 给定一个窗口，返回包含该窗口的ID
list(idx.intersection((1.0, 1.0, 2.0, 2.0)))

# 2. 最近邻
# 给定界限最近的1个项。如果多个项目与边界的距离相等，则返回两个项目，自定义想要寻找的最近邻个数 
list(idx.nearest((1.0000001, 1.0000001, 2.0, 2.0), 1))

使用实例

from rtree import index

class MyIndex():
    def __init__(self,idx):
        self.id = idx

class Rtree():
    def __init__(self):
        self.p = index.Property()
        self.p.dimension = 4   # 设置 使用的 维度数 (对于地图)
        self.p.dat_extension = 'data'  # 设置存储的后缀名
        self.p.idx_extension = 'index' # 设置存储的后缀名
        ## interleaved=False时，bbox must be [xmin, xmax, ymin, ymax，…,……、kmin kmax]
        self.rtree = index.Index('case',interleaved=False,property=self.p,overwrite=False)
        self.rtree.insert(1, (0, 0, 1,1),obj=MyIndex(1))
        self.rtree.insert(2, (0, 0, 4,4),obj=MyIndex(2))
        self.rtree.insert(3, (0, 0, 5,5),obj=MyIndex(3))
        self.rtree.insert(4, (0, 0, 6,6),obj=MyIndex(4))
        self.rtree.insert(5, (0, 0, 7,7),obj=MyIndex(5))
        
	# objects == True 时,返回包括obj在内的数据，否则只返回目标 id
    def get_nearby_obj(self,width,num):
        res=list(self.rtree.nearest(width,num,objects=True))
        return res

def main():
    ass=Rtree()
    hits = ass.get_nearby_obj((0,0,5,5),3)
    
    for x in hits:
        print(x.id,'\t',x.object.__dict__)

    hits = ass.get_nearby_obj((0,0,1,1),2)
    for x in hits:
        print(x.id,'\t',x.object.__dict__)
main()

index.Index('case',overwrite=True) 第一个参数表示 存储到文件中，会生成case.dat 和 case.idx两个文件，overwrite表示是否覆盖之前的数据，如果为false,那么新插入的数据会追加到之前的文件中；