scipy.spatial.KDTree.

query_pairs

KDTree.query_pairs(r, p=2.0, eps=0, output_type='set')

查找 self 中距离最多为 r 的所有点对。

参数:

r正浮点数

最大距离。

p浮点数，可选

要使用的 Minkowski 范数。 p 必须满足条件 1 <= p <= infinity。

eps浮点数，可选

近似搜索。 如果树的分支的最近点远于 r/(1+eps)，则不会探索这些分支，并且如果它们的最远点近于 r * (1+eps)，则会批量添加这些分支。 eps 必须是非负数。

output_type字符串，可选

选择输出容器，“set”或“ndarray”。 默认值：“set”

在 1.6.0 版本中添加。

返回:

resultsset 或 ndarray

集合 (i,j) 对，其中 i < j，对应位置相近。 如果 output_type 为“ndarray”，则返回 ndarry 而不是集合。

示例

在您的浏览器中尝试一下！

您可以在 kd 树中搜索距离内的所有点对

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from scipy.spatial import KDTree
>>> 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 = KDTree(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()

返回在新标签页中打开