KDTree中的python点索引答案

【问题标题】：python point indices in KDTreeKDTree中的python点索引
【发布时间】：2016-02-22 18:21:48
【问题描述】：

给定一个点列表，我如何在 KDTree 中获取它们的索引？

from scipy import spatial
import numpy as np

#some data
x, y = np.mgrid[0:3, 0:3]
data = zip(x.ravel(), y.ravel())

points = [[0,1], [2,2]]

#KDTree
tree = spatial.cKDTree(data)

# incices of points in tree should be [1,8]

我可以这样做：

[tree.query_ball_point(i,r=0) for i in points]

>>> [[1], [8]]

这样做有意义吗？

【问题讨论】：

标签： python scipy kdtree

【解决方案1】：

使用cKDTree.query(x, k, ...) 找到与给定点集x 最接近的k 个邻居：

distances, indices = tree.query(points, k=1)
print(repr(indices))
# array([1, 8])

在这样的小例子中，您的数据集和查询点集都很小，并且每个查询点与数据集中的单行相同，使用简单的布尔运算和广播会更快而不是构建和查询 kD 树：

data, points = np.array(data), np.array(points)
indices = (data[..., None] == points.T).all(1).argmax(0)

data[..., None] == points.T 广播到(nrows, ndims, npoints) 数组，这在较大数据集的内存方面可能很快变得昂贵。在这种情况下，您可能会从正常的 for 循环或列表理解中获得更好的性能：

indices = [(data == p).all(1).argmax() for p in points]

【讨论】：