scipy.spatial.cKDTree.query_pairs¶
- cKDTree.query_pairs(self, r, p=2., eps=0)¶
查找中的所有点对 self 它的距离至多是r。
- 参数
- r正浮点
最大距离。
- 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。- output_type字符串，可选
选择输出容器‘set’或‘ndarray’。默认值：‘Set’
- 退货
- results设置或排列
一组配对
(i,j)，具有i < j，其对应位置接近。如果output_type为‘ndarray’，则返回ndarry而不是set。
示例
您可以在kd-tree中搜索一定距离内的所有点对：
>>> import matplotlib.pyplot as plt >>> import numpy as np >>> from scipy.spatial import cKDTree >>> rng = np.random.default_rng() >>> points = rng.random((20, 2)) >>> plt.figure(figsize=(6, 6)) >>> plt.plot(points[:, 0], points[:, 1], "xk", markersize=14) >>> kd_tree = cKDTree(points) >>> pairs = kd_tree.query_pairs(r=0.2) >>> for (i, j) in pairs: ... plt.plot([points[i, 0], points[j, 0]], ... [points[i, 1], points[j, 1]], "-r") >>> plt.show()
