空间算法和数据结构 (scipy.spatial)

空间变换

这些内容包含在 scipy.spatial.transform 子模块中。

最近邻查询

KDTree(data[, leafsize, compact_nodes, ...])	kd-tree 用于快速最近邻查找。
cKDTree(data[, leafsize, compact_nodes, ...])	kd-树用于快速最近邻查找
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 维中的 Delaunay 三角剖分。
ConvexHull(points[, incremental, qhull_options])	N 维空间中的凸包。
Voronoi(points[, furthest_site, ...])	N 维的 Voronoi 图。
SphericalVoronoi(points[, radius, center, ...])	球面上的Voronoi图。
HalfspaceIntersection(halfspaces, interior_point)	N 维中的半空间交集。

绘图助手

delaunay_plot_2d(tri[, ax])	在二维空间中绘制给定的Delaunay三角剖分
convex_hull_plot_2d(hull[, ax])	在二维平面上绘制给定的凸包图
voronoi_plot_2d(vor[, ax])	在二维平面上绘制给定的Voronoi图

参见

教程

单纯形表示

在Delaunay细分（N维单纯形）、凸包面和Voronoi脊（N-1维单纯形）中出现的单纯形（三角形、四面体等）以下列方案表示:

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个单纯形的邻接单纯形，相对于第 j 顶点。如果没有邻接单纯形，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-D 抛物面上凸包的各个面。

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 L**p 距离的 p 次幂。
procrustes(data1, data2)	Procrustes 分析，用于两组数据相似性检验的方法。
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