空间算法和数据结构 (scipy.spatial)

空间变换

这些包含在 scipy.spatial.transform 子模块中。

最近邻查询

KDTree(data[, leafsize, compact_nodes, ...])	用于快速最近邻查找的 kd 树。
cKDTree(data[, leafsize, compact_nodes, ...])	用于快速最近邻查找的 kd 树
Rectangle(maxes, mins)	超矩形类。

距离度量

距离度量包含在 scipy.spatial.distance 子模块中。

Delaunay 三角剖分、凸包和 Voronoi 图

Delaunay(points[, furthest_site, ...])	N 维 Delaunay 镶嵌。
ConvexHull(points[, incremental, qhull_options])	N 维凸包。
Voronoi(points[, furthest_site, ...])	N 维 Voronoi 图。
SphericalVoronoi(points[, radius, center, ...])	球体表面的 Voronoi 图。
HalfspaceIntersection(halfspaces, interior_point)	N 维半空间交集。

绘图助手

delaunay_plot_2d(tri[, ax])	绘制给定的二维 Delaunay 三角剖分
convex_hull_plot_2d(hull[, ax])	绘制给定的二维凸包图
voronoi_plot_2d(vor[, ax])	绘制给定的二维 Voronoi 图

另请参阅

教程

单纯形表示

出现在 Delaunay 镶嵌 (N 维单纯形)、凸包面和 Voronoi 脊 (N-1 维单纯形) 中的单纯形（三角形、四面体等）以以下方案表示

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 三角剖分和凸包，单纯形的邻域结构满足以下条件：tess.neighbors[i,j] 是第 i 个单纯形的相邻单纯形，与第 j 个顶点相对。如果不存在相邻单纯形，则为 -1。

凸包面也定义了一个超平面方程

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

Delaunay 三角剖分的类似超平面方程对应于相应 N+1 维抛物面上凸包面。

Delaunay 三角剖分对象提供了一种方法来定位包含给定点的单纯形，以及重心坐标计算。

函数

tsearch(tri, xi)	查找包含给定点的单纯形。
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])	计算两个数组之间的 L**p 距离的 p 次方。
procrustes(data1, data2)	Procrustes 分析，用于测试两个数据集的相似性。
geometric_slerp(start, end, t[, tol])	几何球面线性插值。

在 scipy.spatial 中使用的警告/错误

QhullError