Python 中的最近邻搜索，无需 k-d 树

我从 C++ 背景开始学习 Python。我正在寻找一种快速而简单的方法来查找多维点的 2D（numpy）数组（也是 numpy 数组）中某些多维查询点的最近（最近邻居）。我知道 scipy 有一个 k-d 树，但我不认为这是我想要的。首先，我将更改二维数组中多维点的值。其次，二维数组中每个点的位置（坐标）很重要，因为我还将更改它们的邻居。

我可以编写一个函数来遍历 2D 数组并测量查询点与数组中的点之间的距离，同时跟踪最小的点（使用 scipy 空间距离函数来测量距离）。是否有内置函数可以执行此操作？我试图尽可能避免在 python 中迭代数组。我还将有许多查询点，因此至少有两个“for 循环” - 一个用于迭代查询点，对于每个查询，一个循环用于迭代 2D 数组并找到最小距离。

感谢您的任何建议。

如果你的目标是简洁，你可以这样做：

In [14]: X = scipy.randn(10,2)

In [15]: X
Out[15]: 
array([[ 0.85831163,  1.45039761],
       [ 0.91590236, -0.64937523],
       [-1.19610431, -1.07731673],
       [-0.48454195,  1.64276509],
       [ 0.90944798, -0.42998205],
       [-1.17765553,  0.20858178],
       [-0.29433563, -0.8737285 ],
       [ 0.5115424 , -0.50863231],
       [-0.73882547, -0.52016481],
       [-0.14366935, -0.96248649]])

In [16]: q = scipy.array([0.91, -0.43])

In [17]: scipy.argmin([scipy.inner(q-x,q-x) for x in X])
Out[17]: 4

如果有多个查询点：

In [18]: Q = scipy.array([[0.91, -0.43], [-0.14, -0.96]])

In [19]: [scipy.argmin([scipy.inner(q-x,q-x) for x in X]) for q in Q]
Out[19]: [4, 9]