scipy.spatial.cKDTree.query_ball_tree¶
- cKDTree.query_ball_tree(self, other, r, p=2., eps=0)¶
查找之间的所有点对 self 和 other 其距离最多为r
- 参数
- otherCKDTree实例
包含要搜索的点的树。
- r浮动
最大距离必须为正数。
- p浮动，可选
使用哪种Minkowski规范。 p 必须满足条件
1 <= p <= infinity。如果可能发生溢出，有限大的p可能会导致ValueError。- eps浮动，可选
近似搜索。如果树的分支最近的点比树的距离远，则不会探索树的分支
r/(1+eps)，并且如果分支的最远点比最近的点更近，则会批量添加分支r * (1+eps)。 eps 必须是非负的。
- 退货
- results列表列表
对于每个元素
self.data[i]在这棵树上，results[i]中的邻居的索引列表。other.data。
示例
您可以搜索距离内两个kd-tree之间的所有点对：
>>> import matplotlib.pyplot as plt >>> import numpy as np >>> from scipy.spatial import cKDTree >>> rng = np.random.default_rng() >>> points1 = rng.random((15, 2)) >>> points2 = rng.random((15, 2)) >>> plt.figure(figsize=(6, 6)) >>> plt.plot(points1[:, 0], points1[:, 1], "xk", markersize=14) >>> plt.plot(points2[:, 0], points2[:, 1], "og", markersize=14) >>> kd_tree1 = cKDTree(points1) >>> kd_tree2 = cKDTree(points2) >>> indexes = kd_tree1.query_ball_tree(kd_tree2, r=0.2) >>> for i in range(len(indexes)): ... for j in indexes[i]: ... plt.plot([points1[i, 0], points2[j, 0]], ... [points1[i, 1], points2[j, 1]], "-r") >>> plt.show()
