python - 最近邻搜索 kdTree

Question

到 N 点的列表 [(x_1,y_1), (x_2,y_2), ... ] 我试图找到每个点的最近邻居基于距离的点。我的数据集太大，无法使用蛮力方法，因此 KDtree 似乎是最好的。

我看到 sklearn.neighbors.KDTree 可以找到最近的邻居，而不是从头开始实现。这能否用于找到每个粒子的最近邻居，即返回一个dim(N)列表？

Answer 1

这个问题很宽泛，缺少细节。目前还不清楚您做了什么尝试、您的数据是什么样子以及最近的邻居是什么(身份？)。

假设您对身份不感兴趣(距离为 0)，您可以查询两个最近邻并删除第一列。这可能是这里最简单的方法。

代码:

 import numpy as np
 from sklearn.neighbors import KDTree
 np.random.seed(0)
 X = np.random.random((5, 2))  # 5 points in 2 dimensions
 tree = KDTree(X)
 nearest_dist, nearest_ind = tree.query(X, k=2)  # k=2 nearest neighbors where k1 = identity
 print(X)
 print(nearest_dist[:, 1])    # drop id; assumes sorted -> see args!
 print(nearest_ind[:, 1])     # drop id 

输出

 [[ 0.5488135   0.71518937]
  [ 0.60276338  0.54488318]
  [ 0.4236548   0.64589411]
  [ 0.43758721  0.891773  ]
  [ 0.96366276  0.38344152]]
 [ 0.14306129  0.1786471   0.14306129  0.20869372  0.39536284]
 [2 0 0 0 1]