>>> from env_helper import info; info()
页面更新时间： 2024-04-04 20:23:14
运行环境：
Linux发行版本: Debian GNU/Linux 12 (bookworm)
操作系统内核: Linux-6.1.0-18-amd64-x86_64-with-glibc2.36
Python版本: 3.11.2
15.3. Python:Rtree 安转和使用¶
内容参考： https://blog.csdn.net/junqing_wu/article/details/106605158
15.3.1. 安装¶
在 Debian 中，可以直接通过以下命令安装：
python3-rtree
编译安装¶
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
15.3.2. 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
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))
[0]
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()
3 {'id': 3}
3 {'id': 3}
2 {'id': 2}
2 {'id': 2}
4 {'id': 4}
4 {'id': 4}
1 {'id': 1}
1 {'id': 1}
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；