scipy.spatial.cKDTree.

query_pairs#

cKDTree.query_pairs(self, r, p=2., eps=0, output_type='set')#

Finde alle Punktepaare in self, deren Abstand höchstens r beträgt.

Parameter:

rpositive float: Die maximale Entfernung.
pfloat, optional: Welche Minkowski-Norm verwendet werden soll. p muss die Bedingung 1 <= p <= infinity erfüllen. Ein endlich großer Wert für p kann einen ValueError verursachen, wenn ein Überlauf auftreten kann.
epsfloat, optional: Ungefähre Suche. Äste des Baumes werden nicht erkundet, wenn ihre nächsten Punkte weiter entfernt sind als r/(1+eps), und Äste werden gesammelt hinzugefügt, wenn ihre entferntesten Punkte näher als r * (1+eps) sind. eps muss nicht-negativ sein.
output_typeString, optional: Wählen Sie den Ausgabeparameter, 'set' oder 'ndarray'. Standard: 'set'

Rückgabe:

resultsset or ndarray: Menge von Paaren (i,j), mit i < j, für die die entsprechenden Positionen nah beieinander liegen. Wenn output_type 'ndarray' ist, wird anstelle einer Menge ein ndarray zurückgegeben.

Beispiele

Sie können alle Punktpaare in einem KD-Baum innerhalb einer bestimmten Entfernung suchen.

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from scipy.spatial import cKDTree
>>> rng = np.random.default_rng()
>>> points = rng.random((20, 2))
>>> plt.figure(figsize=(6, 6))
>>> plt.plot(points[:, 0], points[:, 1], "xk", markersize=14)
>>> kd_tree = cKDTree(points)
>>> pairs = kd_tree.query_pairs(r=0.2)
>>> for (i, j) in pairs:
...     plt.plot([points[i, 0], points[j, 0]],
...             [points[i, 1], points[j, 1]], "-r")
>>> plt.show()

../../_images/scipy-spatial-cKDTree-query_pairs-1.png