如何选择满足条件的最近邻？

Question

问题：如何为地理数据框中的所有元素选择“满足条件的 n 个最近邻”？

示例： “对于森林中的所有树木，半径 100 m 内两棵最高的松树的高度是多少？”（注意“树”不一定是“松树”。）

如果我只想要每棵树最近的相邻树，我可以使用

libpysal.weights.KNN.from_dataframe(df_g, k=2, radius=100)

（给定一个地理数据框）

我正在寻找一种方法来获取满足条件的最近邻居。

工作示例

这段代码定义了一个包含 9 个点的地理数据框：

import pandas as pd, libpysal, geopandas as gp,matplotlib.pyplot as plt
from shapely.wkt import loads

# 18 points with values and types
points=['POINT (0.1 0.2)','POINT (-1 0)','POINT (1 0)','POINT (0 -1)','POINT (0 1)','POINT (-2 0)','POINT (2 0)','POINT (0 -2)','POINT (0 2)']
values=[9,8,7,6,5,4,3,2,1]
types=[0,0,0,0,0,1,1,1,1]

df=pd.DataFrame({'points':points,'value':values,'types':types})
gdf=gp.GeoDataFrame(df,geometry=[loads(x) for x in df.points])

我想在半径为 2 的范围内寻找类型为 1 的邻居。

所以，对于中心点，我想在橙色点而不是蓝色点之间寻找邻居：

如果类型不是问题，我可以遍历最近的邻居，例如：

knn2 = libpysal.weights.KNN.from_dataframe(gdf, k=2,radius=2)
for index,row in gdf.iterrows(): # Looping over all points
    knn_neighbors = knn2.neighbors[index] # Get neighbors
    knnsubset = gdf.iloc[knn_neighbors] # Get subdataframe
    print("Mean: ",knnsubset['value'].mean()) # Calculating mean of 'value'

对于中心点，将选择两个绿色点，如图所示：

但是，我只想考虑橙色点。

简单的“修复”：

我当然可以选择“足够”的邻居，然后过滤它们：

knn2 = libpysal.weights.KNN.from_dataframe(gdf, k=8,radius=2) # Select enough neighbors
for index,row in gdf.iterrows(): # Looping over all points
    knn_neighbors = knn2.neighbors[index] # Get neighbors
    knnsubset = gdf.iloc[knn_neighbors] # Get subdataframe
    knnsubset=knnsubset[knnsubset.types==1].head(2) #Require type 1 and take the two first
    print("Mean: ",knnsubset['value'].mean()) # Calculating mean of 'value'

如图所示，它选择了正确的点。但是，有两个问题：

• 没有选择“足够”邻居的明确方法。中间是否有足够的蓝点。我不会抓住橙色点。
• 当谈论数百万个密度变化很大的点时，这很难扩展。选择 100 个邻居来找到 4 个会导致处理时间方面的损失。

这似乎是一个有人会在某个时候解决的问题。任何指针？我应该考虑 sklearn 吗？

Answer 1

正如评论中提到的，您可以使用 DistanceBand 而不是 KNN 进行第一次过滤（在 KNN 中，您实际上并不知道必须选择多少才能拥有至少 2 棵松树）。

从上面的 gdf ​​开始：

W = libpysal.weights.DistanceBand.from_dataframe(gdf, threshold=2)

results = []  # it is faster to save to list than directly to gdf
for index, row in gdf.iterrows():
    neighbors = W.neighbors[index]
    subset = gdf.loc[neighbors]  # get all within threshold
    limited = subset.loc[subset.types == 1]  # limit to type you want - here you can do more filtering
    if len(limited) > 0:  # if something of type 1 is close enough
        limited['dist'] = limited.geometry.distance(row.geometry)  #get distances
        limited.nsmallest(n=2, columns='dist')
        results.append(list(limited.index))  # save indices of selection
    else:
        results.append(None)

gdf['result'] = results  # save to gdf

这将保存满足条件（或无）的点的索引。

不过，我不确定它对于大型数据集的表现如何，但 pandas 过滤应该不是问题，并且将距离限制为 df 是矢量化的。