scipy.spatial.cKDTree.

sparse_distance_matrix

cKDTree.sparse_distance_matrix(self, other, max_distance, p=2.)

Berechnet eine spärliche Distanzmatrix

Berechnet eine Distanzmatrix zwischen zwei cKDTrees und setzt alle Distanzen größer als max_distance auf Null.

Parameter:

othercKDTree

max_distancepositive float

pGleitkommazahl, 1<=p<=infinity

Welche Minkowski-p-Norm verwendet werden soll. Ein endlich großes p kann einen ValueError verursachen, wenn ein Überlauf auftritt.

output_typeString, optional

Welcher Container für die Ausgabedaten verwendet werden soll. Optionen: 'dok_matrix', 'coo_matrix', 'dict' oder 'ndarray'. Standard: 'dok_matrix'.

Rückgabe:

resultdok_matrix, coo_matrix, dict oder ndarray

Spärliche Matrix, die die Ergebnisse im "Dictionary of Keys"-Format darstellt. Wenn ein Dict zurückgegeben wird, sind die Schlüssel Tupel von Indizes (i,j). Wenn output_type 'ndarray' ist, wird ein Record Array mit den Feldern 'i', 'j' und 'v' zurückgegeben.

Beispiele

Probieren Sie es in Ihrem Browser aus!

Sie können eine spärliche Distanzmatrix zwischen zwei kd-trees berechnen

>>> import numpy as np
>>> from scipy.spatial import cKDTree
>>> rng = np.random.default_rng()
>>> points1 = rng.random((5, 2))
>>> points2 = rng.random((5, 2))
>>> kd_tree1 = cKDTree(points1)
>>> kd_tree2 = cKDTree(points2)
>>> sdm = kd_tree1.sparse_distance_matrix(kd_tree2, 0.3)
>>> sdm.toarray()
array([[0.        , 0.        , 0.12295571, 0.        , 0.        ],
   [0.        , 0.        , 0.        , 0.        , 0.        ],
   [0.28942611, 0.        , 0.        , 0.2333084 , 0.        ],
   [0.        , 0.        , 0.        , 0.        , 0.        ],
   [0.24617575, 0.29571802, 0.26836782, 0.        , 0.        ]])

Sie können überprüfen, ob Distanzen über der max_distance Null sind

>>> from scipy.spatial import distance_matrix
>>> distance_matrix(points1, points2)
array([[0.56906522, 0.39923701, 0.12295571, 0.8658745 , 0.79428925],
   [0.37327919, 0.7225693 , 0.87665969, 0.32580855, 0.75679479],
   [0.28942611, 0.30088013, 0.6395831 , 0.2333084 , 0.33630734],
   [0.31994999, 0.72658602, 0.71124834, 0.55396483, 0.90785663],
   [0.24617575, 0.29571802, 0.26836782, 0.57714465, 0.6473269 ]])

ZurückIn Tab öffnen