scipy.spatial.cKDTree.

query_ball_tree

cKDTree.query_ball_tree(self, other, r, p=2., eps=0)

找出 self 和 other 之間距離至多為 r 的所有點對

參數:

othercKDTree 實例

包含要搜尋比對點的樹狀結構。

rfloat

最大距離，必須為正數。

pfloat，選填

要使用的 Minkowski 範數。p 必須符合條件 1 <= p <= infinity。如果可能發生溢位，有限大的 p 可能會導致 ValueError。

epsfloat，選填

近似搜尋。如果樹狀結構分支的最近點距離大於 r/(1+eps)，則不會探索這些分支；如果最遠點距離小於 r * (1+eps)，則會批量新增分支。eps 必須是非負數。

回傳值:

results列表的列表

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

範例

在瀏覽器中試試看！

您可以搜尋兩個 kd 樹狀結構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 cKDTree
>>> 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 = cKDTree(points1)
>>> kd_tree2 = cKDTree(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