KDTree 中的 python 点索引

Question

给定点列表，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？

Answer 1

使用cKDTree.query(x, k, ...)找到一组给定点 x 的 k 最近邻:

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

---

在这种简单的情况下，您的数据集和查询点集都很小，并且每个查询点都与数据集中的一行相同，使用简单的 bool 运算和广播会更快而不是构建和查询 k-D 树:

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

data[..., None] == points.T 广播到一个 (nrows, ndims, npoints) 数组，这可能很快就会变得昂贵更大数据集的内存。在这种情况下，您可能会从普通的 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]