空間演算法與資料結構 (scipy.spatial)

空間轉換

這些內容包含在 scipy.spatial.transform 子模組中。

最近鄰查詢

KDTree(data[, leafsize, compact_nodes, ...])	用於快速最近鄰查找的 kd 樹。
cKDTree(data[, leafsize, compact_nodes, ...])	用於快速最近鄰查找的 kd 樹
Rectangle(maxes, mins)	超矩形類。

距離度量

距離度量包含在 scipy.spatial.distance 子模組中。

Delaunay 三角剖分、凸包和 Voronoi 圖

Delaunay(points[, furthest_site, ...])	N 維空間中的 Delaunay 鑲嵌。
ConvexHull(points[, incremental, qhull_options])	N 維空間中的凸包。
Voronoi(points[, furthest_site, ...])	N 維空間中的 Voronoi 圖。
SphericalVoronoi(points[, radius, center, ...])	球面上的 Voronoi 圖。
HalfspaceIntersection(halfspaces, interior_point)	N 維空間中的半空間交集。

繪圖助手

delaunay_plot_2d(tri[, ax])	繪製給定的 2D Delaunay 三角剖分
convex_hull_plot_2d(hull[, ax])	繪製給定的 2D 凸包圖
voronoi_plot_2d(vor[, ax])	繪製給定的 2D Voronoi 圖

另請參閱

教學

單體表示法

在 Delaunay 鑲嵌（N 維單體）、凸包面和 Voronoi 脊（N-1 維單體）中出現的單體（三角形、四面體等）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

對於 Delaunay 三角剖分和凸包，單體的鄰域結構滿足以下條件：tess.neighbors[i,j] 是第 i 個單體的相鄰單體，與第 j 個頂點相對。如果沒有鄰居，則為 -1。

凸包面也定義了一個超平面方程式

(hull.equations[i,:-1] * coord).sum() + hull.equations[i,-1] == 0

Delaunay 三角剖分的類似超平面方程式對應於相應 N+1 維拋物面上的凸包面。

Delaunay 三角剖分物件提供了一種方法，用於定位包含給定點的單體，以及重心坐標計算。

函數

tsearch(tri, xi)	尋找包含給定點的單體。
distance_matrix(x, y[, p, threshold])	計算距離矩陣。
minkowski_distance(x, y[, p])	計算兩個陣列之間的 L**p 距離。
minkowski_distance_p(x, y[, p])	計算兩個陣列之間 L**p 距離的 p 次方。
procrustes(data1, data2)	Procrustes 分析，用於兩個資料集的相似性測試。
geometric_slerp(start, end, t[, tol])	幾何球形線性插值。

在 scipy.spatial 中使用的警告 / 錯誤

QhullError