空间算法和数据结构 (scipy.spatial )

空间变换

这些内容包含在 scipy.spatial.transform 子模块。

最近邻查询

KDTree \(数据[, leafsize, compact_nodes, ...] )	KD-tree用于快速最近邻查找。
cKDTree \(数据[, leafsize, compact_nodes, ...] )	用于快速最近邻查找的KD-树
Rectangle \(最大值，分钟)	HyperRectangle类。

距离度量包含在 scipy.spatial.distance 子模块。

Delaunay三角剖分、凸壳和Voronoi图

Delaunay \(积分[, furthest_site, ...] )	N维的Delaunay细分。
ConvexHull \(积分[, incremental, qhull_options] )	N维的凸壳。
Voronoi \(积分[, furthest_site, ...] )	N维的Voronoi图。
SphericalVoronoi \(积分[, radius, center, ...] )	球面上的Voronoi图。
HalfspaceIntersection \(半空格，内部_点)	N维的半空间交点。

打印辅助对象

delaunay_plot_2d \(三个[, ax] )	在二维中绘制给定的Delaunay三角剖分
convex_hull_plot_2d \(船体[, ax] )	用二维绘制给定的凸壳图
voronoi_plot_2d \(VOR[, ax] )	用二维绘制给定的Voronoi图

参见

Tutorial

单纯形表示

简单(三角形、四面体等)出现在Delaunay细分(N-D简单)、凸面和Voronoi脊(N-1-D简单)中的方案如下：

tess = Delaunay(points)
hull = ConvexHull(points)
voro = Voronoi(points)

# coordinates of the jth vertex of the ith simplex
tess.points[tess.simplices[i, j], :]        # tessellation element
hull.points[hull.simplices[i, j], :]        # convex hull facet
voro.vertices[voro.ridge_vertices[i, j], :] # ridge between Voronoi cells

对于Delaunay三角剖分和凸壳，简单的邻域结构满足条件： tess.neighbors[i,j] 是第i个单纯形的相邻单纯形，与 j -顶点。如果没有邻居，则为-1。

凸包镶嵌面还定义了超平面方程式：

(hull.equations[i,:-1] * coord).sum() + hull.equations[i,-1] == 0

类似的Delaunay三角剖分的超平面方程对应于相应的N+1维抛物面上的凸壳面片。

Delaunay三角剖分对象提供了一种定位包含给定点的单形的方法，并提供了重心坐标计算。

功能

tsearch \(tri，xi)	找出包含给定点的简图。
distance_matrix \(X，y[, p, threshold] )	计算距离矩阵。
minkowski_distance \(X，y[, p] )	计算两个数组之间的L**p距离。
minkowski_distance_p \(X，y[, p] )	计算两个阵列之间L**p距离的第p次方。
procrustes \(数据1，数据2)	Procrstes分析，两个数据集的相似性检验。
geometric_slerp \(开始，结束，t[, tol] )	几何球面线性插值。

上一页

scipy.sparse.csgraph.reconstruct_path

下一页

scipy.spatial.KDTree