scipy.spatial.cKDTree.

query_pairs

cKDTree.query_pairs(self, r, p=2., eps=0, output_type='set')

查找 self 中所有距离小于等于 r 的点对。

参数:

r正浮点数

最大距离。

p浮点数, 可选

要使用的闵可夫斯基范数。p 必须满足条件 1 <= p <= infinity。如果发生溢出，则有限的较大 p 可能会导致 ValueError。

eps浮点数, 可选

近似搜索。如果树的分支的最近点距离大于 r/(1+eps)，则不会探索该分支；如果最远点距离小于 r * (1+eps)，则会批量添加分支。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'

返回:

resultsset 或 ndarray

一组对 (i,j), 其中 i < j，对应的位置很接近。如果 output_type 是 'ndarray'，则返回 ndarry 而不是 set。

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 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()

返回在新标签页中打开