使用 scipy.spatial 的数据类型问题

我想使用 scipy.spatial 的 KDTree 来查找二维数组中的最近邻对（本质上是一个列表列表，其中嵌套列表的维度为 2）。我生成列表列表，将其通过管道传输到 numpy 的数组中，然后创建 KDTree 实例。然而，每当我尝试对其运行“查询”时，我不可避免地会得到奇怪的答案。例如，当我输入：

tree = KDTree(array)
nearest = tree.query(np.array[1,1])

最接近的打印出 (0.0, 0)。目前，我使用的数组基本上是 y = x 的范围 (1,50)，所以我希望我应该为 (1,1) 获得 (2,2) 的最近邻

我做错了什么，scipy 大师？

编辑：或者，如果有人可以向我指出他们用于给定点的最近邻居搜索的 python KDTree 包，我很想听听。

我用过scipy.spatial与之前相比，这似乎是一个不错的改进（尤其是界面）scikits.ann.

在这种情况下，我认为你混淆了你的回报tree.query(...)称呼。来自scipy.spatial.KDTree.query docs http://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.KDTree.query.html#scipy.spatial.KDTree.query:

Returns
-------

d : array of floats
    The distances to the nearest neighbors.
    If x has shape tuple+(self.m,), then d has shape tuple if
    k is one, or tuple+(k,) if k is larger than one.  Missing
    neighbors are indicated with infinite distances.  If k is None,
    then d is an object array of shape tuple, containing lists
    of distances. In either case the hits are sorted by distance
    (nearest first).
i : array of integers
    The locations of the neighbors in self.data. i is the same
    shape as d.

所以在这种情况下，当您查询最近的[1,1]你得到：

distance to nearest: 0.0
index of nearest in original array: 0

这意味着[1,1]是原始数据的第一行array，鉴于您的数据是预期的y = x on the range [1,50].

The scipy.spatial.KDTree.query函数有很多其他选项，因此，例如，如果您想确保获得不是其本身的最近邻居，请尝试：

tree.query([1,1], k=2)

这将返回two最近邻，您可以应用进一步的逻辑，在返回距离为零的情况下（即查询的点是用于构建树的数据项之一），将采用第二个最近邻而不是第一个。