scipy.spatial.KDTree.
query_pairs#
- KDTree.query_pairs(r, p=2.0, eps=0, output_type='set')[source]#
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
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()