二维数据点范围查询答案

【问题标题】：2D data point range query二维数据点范围查询
【发布时间】：2017-05-27 20:35:54
【问题描述】：

我正在处理一个巨大的二维数据集，需要对每个点进行范围查询，将范围内的邻居作为一个集合返回我已经使用带有 KD Tree form sk learn 的索引进行了测试，但问题是，它将索引作为列表返回，并且转换为集合需要太长时间。是否有一种数据结构，它将范围查询中的点作为集合而不是列表返回？

【问题讨论】：

您确定从 List 构造 Set 需要太长时间吗？你让它听起来像它需要的时间和范围查询本身一样长，甚至更长，在这种情况下，我怀疑你创建一个集合有问题。也许你可以给我们看一些时间数字？此外，每棵空间树还必须在内部将结果点添加到集合中，因此这实际上不会比迭代列表以创建集合要快...
你的问题在这里是答案stackoverflow.com/questions/44224696/… :)
好吧，参考资料只说明了为什么转换为 Set 比转换为 List 需要更长的时间。我的问题是它是否真的是瓶颈，通常范围查询应该比创建集合或列表花费更长的时间。另外，正如我所提到的，如果您想要一个 Set，则必须有人承担创建它的成本，无论是您还是 KD-Tree 在内部进行...

【解决方案1】：

结果本身不是一个列表。

获取k-d-tree的源代码，修改后直接写入集合，而不是列表。

但我非常怀疑这会解决您的实际问题。将一个小列表转换为一个集合应该几乎不是性能问题......但是，您使用的是 python。传统的 python set() 会比 numpy 数组慢很多。但是不要因为没有使用慢集而责怪数据结构。

【讨论】：