Python之kdtree库函数介绍

Python之kdtree库函数介绍

安装

使用anaconda的命令行安装

conda install kdtree

库函数介绍

class Node

函数名	输入参数	函数功能
Node(data, left, right)	结点数据；左子结点；右子结点	创建结点实例
node.is_leaf	-	返回布尔值，判断是否为叶子结点
node.preorder	-	结点处先序遍历，返回一个迭代器
node.inorder	-	结点处中序遍历，返回一个迭代器
node.postorder	-	结点处后序遍历，返回一个迭代器
node.children	-	返回结点的所有孩子结点的一个迭代器
node.set_child(index, child)	index为0表示修改左孩子结点，否则表示修改右孩子结点；child为要修改的值	修改结点的孩子结点
node.height	-	返回子树的高度
node.get_child_pos(child)	-	给定孩子结点，返回其父结点的位置

class KDNode

函数名	输入参数	函数功能
KDNode(data=None,left=None,right=None,axis=None,sel_axis=None, dimensions=None)	数据；左子结点；右子结点；从某个维度开始进行切割；下一次切割时（即创建子结点时维度的变化方式）	创建结点实例
kdnode.add(point)	-	向当前节点添加一个点，或以迭代方式下行到其子节点之一。
kdnode.create_subnode(data)	-	为当前结点创建子结点
kdnode.find_replacement()	-	寻找当前结点的替代
kdnode.remove(point,node=Node)	-	移除指定的结点，返回子树的新的根结点
kdnode.is_balanced	-	检测kd树是否平衡
kdnode.rebalance	-	重新平衡kd树，并返回可能的根结点
kdnode.axis_dist(point, axis)	-	计算指定维度上结点数据与给定数据的平方距离
kdnode.dist(point)	-	计算结点数据与给定数据的平方距离
kdnode.search_knn(point, k, dist=None)	dist是一个计算距离的lambda表达式	寻找给定数据的k个临近点
kdnode.search_nn(point, dist=None)	-	寻找最近邻点
kdnode.search_nn_dist(point, distance, best=None)	-	寻找给定距离范围内的最邻近点
kdnode.is_valid	-	检测kd树是否有效
kdnode.extreme_child(sel_func, axis)		返回子树的一个孩子和它的父亲

全局函数

函数名	输入参数	函数功能
visualize(tree, max_level=100, node_width=10, left_padding=5)	-	打印kd树
level_order(tree, include_all=False)	include_all：如果为True则包含空结点，用None表示	返回一个迭代器，逐层遍历
create(point_list=None, dimensions=None, axis=0, sel_axis=None)	axis表示从某个维度开始进行切割；sel_axis是一个lambda表达式，表示所选择的axis	从数据列表创建kd树