Scipy KDTree() 获取矩形相邻网格点

Question

我在使用这个模块时遇到了一个小问题。事实上，该模块正是我要求他做的事情......这是在这个网格中为给定坐标找到所有最近的网格点。

但是，当给定的坐标非常接近网格的一个点并且网格在一侧有较长的步长时，它会给出类似的结果：

所以在这张图片中，计算最近邻的点是你可以在左下角看到的红点。 KDTree 给出的结果是蓝色方块。绿色菱形是我想获得的第四个点，而不是图像顶部的蓝色菱形。

代码：

>>> grid.head()
          x         y
0  0.000000 -9.490125
1  0.959131 -9.490125
2  1.918263 -9.490125
3  2.877394 -9.490125
4  3.836526 -9.490125

>>> pt
[4.0092010999999998e-05, -9.4901299629261011]

>>>tree = ssp.KDTree(grid)
>>>dis, idx = tree.query(pt,4)

>>> idx 
array([  0,  71,   1, 142])

>>> grid.iloc[idx]
            x         y
0    0.000000 -9.490125
71   0.000000 -8.980481
1    0.959131 -9.490125
142  0.000000 -8.470837

问题：

有没有办法在查询中指定我们想要一个矩形数组？也许通过指定我们只希望一个 x 有 2 个 y？

Answer 1

首先，让我们试试到create a Minimal, Complete, and Verifiable example

>>> import pandas as pd
>>> import numpy as np
>>> x0, dx = 0, 0.959131
>>> x  = np.arange(x0, x0+5*dx,dx) 
>>> y0, dy = -9.4901299629261011, 8.980481-8.470837
>>> y  = np.arange(y0, y0+2*dy,dy)
>>> data = np.transpose([np.tile(x, len(y)), np.repeat(y, len(x))])
>>> grid = pd.DataFrame(data=data, columns=['x', 'y'])
>>> grid.head()
          x        y
0  0.000000 -9.49013
1  0.959131 -9.49013
2  1.918262 -9.49013
3  2.877393 -9.49013
4  3.836524 -9.49013

其中grid.head() 是基于grid 的图形表示的数字等价物

>>> grid
           x         y
0   0.000000 -9.490130 # the red dot
1   0.959131 -9.490130 # the bottom right blue square
2   1.918262 -9.490130
3   2.877393 -9.490130
4   3.836524 -9.490130
5   0.000000 -8.980486 # the middle left blue square
6   0.959131 -8.980486 # the green diamond
7   1.918262 -8.980486
8   2.877393 -8.980486
9   3.836524 -8.980486
10  0.000000 -8.470842 # the unwanted top left blue square
11  0.959131 -8.470842
12  1.918262 -8.470842
13  2.877393 -8.470842
14  3.836524 -8.470842

因此，您希望点 1、5 和 6 作为点 0 的邻域。

为此，您可能需要查看the sklearn.neighbors module which implements the k-nearest neighbors algorithm 的函数kneighbors_graph。玩弄它，并设置Minkowski metric、p的幂参数，大于2，比如说3（取p>2的想法基本上是为了减少欧几里得平方根2因子- - 在单位正方形的对角线和边之间--朝向1)，如下

>>> from sklearn.neighbors import kneighbors_graph
>>> _3n_graph = kneighbors_graph(grid,
                                 n_neighbors=3,
                                 p=3,
                                 mode='connectivity',
                                 include_self=False)

产量

>>> grid.iloc[_3n_graph[0].indices]
          x         y
5  0.000000 -8.980486
1  0.959131 -9.490130
6  0.959131 -8.980486