scipy.spatial.cKDTree.

запрос#

cKDTree.запрос(self, x, k=1, eps=0, p=2, distance_upper_bound=np.inf, workers=1)#

Запрос kd-дерева на ближайших соседей

Параметры:

xarray_like, последнее измерение self.m: Массив точек для запроса.
kсписок целых чисел или целое число: Список k-х ближайших соседей для возврата. Если k - целое число, оно обрабатывается как список [1, … k] (range(1, k+1)). Обратите внимание, что отсчет начинается с 1.
epsнеотрицательное число с плавающей точкой: Возвращает приближенных ближайших соседей; k-е возвращаемое значение гарантированно не дальше, чем (1+eps) раз расстояние до реального k-го ближайшего соседа.
pfloat, 1<=p<=infinity: Какую Minkowski p-норму использовать. 1 - это расстояние «Манхэттен» (сумма абсолютных значений) 2 - обычное евклидово расстояние бесконечность - расстояние максимальной разности координат Конечное большое p может вызвать ValueError при возможном переполнении.
distance_upper_boundнеотрицательное число с плавающей точкой: Возвращать только соседей в пределах этого расстояния. Это используется для обрезки поиска по дереву, поэтому если вы выполняете серию запросов ближайших соседей, может помочь указать расстояние до ближайшего соседа последней точки.
workersint, необязательный: Количество рабочих процессов для параллельной обработки. Если задано -1, используются все потоки CPU. По умолчанию: 1.

Изменено в версии 1.9.0: Аргумент "n_jobs" был переименован в "workers". Старое имя "n_jobs" было объявлено устаревшим в SciPy 1.6.0 и удалено в SciPy 1.9.0.

Возвращает:

dмассив чисел с плавающей точкой: Расстояния до ближайших соседей. Если x имеет форму tuple+(self.m,), затем d имеет форму tuple+(k,). Когда k == 1, последнее измерение вывода сжимается. Отсутствующие соседи обозначаются бесконечными расстояниями.
indarray целых чисел: Индекс каждого соседа в self.data. Если x имеет форму tuple+(self.m,), затем i имеет форму tuple+(k,). Когда k == 1, последнее измерение вывода сжимается. Отсутствующие соседи обозначаются self.n.

Примечания

Если KD-дерево периодическое, позиция x заключен в рамку.

Когда входной параметр k является списком, выполняется запрос для arange(max(k)), но сохраняются только столбцы, хранящие запрошенные значения k. Это реализовано таким образом, чтобы уменьшить использование памяти.

Примеры

>>> import numpy as np
>>> from scipy.spatial import cKDTree
>>> x, y = np.mgrid[0:5, 2:8]
>>> tree = cKDTree(np.c_[x.ravel(), y.ravel()])

Для запроса ближайших соседей и возврата сжатого результата используйте

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=1)
>>> print(dd, ii, sep='\n')
[2.         0.2236068]
[ 0 13]

Для запроса ближайших соседей и возврата несжатого результата используйте

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=[1])
>>> print(dd, ii, sep='\n')
[[2.        ]
 [0.2236068]]
[[ 0]
 [13]]

Чтобы запросить вторых ближайших соседей и вернуть несжатый результат, используйте

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=[2])
>>> print(dd, ii, sep='\n')
[[2.23606798]
 [0.80622577]]
[[ 6]
 [19]]

Для запроса первого и второго ближайших соседей используйте

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=2)
>>> print(dd, ii, sep='\n')
[[2.         2.23606798]
 [0.2236068  0.80622577]]
[[ 0  6]
 [13 19]]

или, будьте более конкретны

>>> dd, ii = tree.query([[0, 0], [2.2, 2.9]], k=[1, 2])
>>> print(dd, ii, sep='\n')
[[2.         2.23606798]
 [0.2236068  0.80622577]]
[[ 0  6]
 [13 19]]