scipy.spatial.cKDTree.

query_pairs

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

找到 self 中所有距离不超过 r 的点对。

参数:

r正浮点数

最大距离。

pfloat, 可选

使用哪种 Minkowski 范数。p 必须满足条件 1 <= p <= 无穷大。如果可能发生溢出，较大的有限 p 可能会导致 ValueError。

epsfloat, 可选

近似搜索。如果树的分支的最近点比 r/(1+eps) 更远，则不会探索这些分支，并且如果分支的最远点比 r * (1+eps) 更近，则这些分支会批量添加。eps 必须是非负的。

输出类型字符串，可选

选择输出容器，’set’ 或 ‘ndarray’。默认：’set’

返回:

结果集合或ndarray

一对 (i,j) 的集合，其中 i < j，对应的位置是接近的。如果 output_type 是 ‘ndarray’，则返回一个 ndarray 而不是一个集合。

示例

Try it in your browser!

你可以在一个 kd-tree 中搜索所有距离内的点对：

>>> 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()

Go BackOpen In Tab