scipy.spatial.cKDTree.
query_pairs#
- cKDTree.query_pairs(self, r, p=2., eps=0, output_type='set')#
查找 self 中所有距离最大为 r 的点对。
- 参数:
- r正浮点数
最大距离。
- p浮点数，可选
使用哪个闵可夫斯基范数。
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浮点数，可选
近似搜索。 如果树的最近点距离大于
r/(1+eps)，则不会探索该树的分支，如果树的最远点距离小于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:
- results集合或 ndarray
点对集合
(i,j)，其中i < j，对应的位置彼此靠近。 如果 output_type 是 ‘ndarray’，则返回 ndarray 而不是集合。
示例
您可以在 kd 树中搜索所有距离在一定范围内的点对
>>> 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()
