scipy.spatial.KDTree.

query_ball_tree

KDTree.query_ball_tree(other, r, p=2.0, eps=0)

找出 self 和 other 之間距離至多為 r 的所有點對。

參數:

otherKDTree 實例

包含要搜尋點的樹。

rfloat

最大距離，必須為正數。

pfloat，選用

要使用的 Minkowski 範數。p 必須符合條件 1 <= p <= infinity。

epsfloat，選用

近似搜尋。如果樹的分支最近點遠於 r/(1+eps)，則不會探索這些分支；如果樹的最遠點近於 r * (1+eps)，則會批量加入這些分支。eps 必須為非負數。

回傳:

results列表的列表

對於此樹的每個元素 self.data[i]，results[i] 是 other.data 中其鄰居索引的列表。

範例

在您的瀏覽器中試試看！

您可以搜尋兩個 kd 樹之間在一定距離內的所有點對

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from scipy.spatial import KDTree
>>> rng = np.random.default_rng()
>>> points1 = rng.random((15, 2))
>>> points2 = rng.random((15, 2))
>>> plt.figure(figsize=(6, 6))
>>> plt.plot(points1[:, 0], points1[:, 1], "xk", markersize=14)
>>> plt.plot(points2[:, 0], points2[:, 1], "og", markersize=14)
>>> kd_tree1 = KDTree(points1)
>>> kd_tree2 = KDTree(points2)
>>> indexes = kd_tree1.query_ball_tree(kd_tree2, r=0.2)
>>> for i in range(len(indexes)):
...     for j in indexes[i]:
...         plt.plot([points1[i, 0], points2[j, 0]],
...             [points1[i, 1], points2[j, 1]], "-r")
>>> plt.show()

返回在新分頁中開啟