我在R ^ 3中有一个带有欧几里德距离度量的点集合。我想构建一个图表，其中每个点由一个节点表示，并且仅在距离d <1的点之间的边缘。 r，其中r是一些截止值。
搜索stackoverflow产生了一个有趣的解决方案：计算数据点的Delaunay三角剖分，然后去除长于阈值距离的边。
（来源：3D Connected Points Labeling based on Euclidean distances）
还有其他方法可以提高效率吗？
此外，什么是去除比截止距离更长的边缘的有效方法？
如果没有，有没有人知道Python中的Delaunay三角测量实现？
编辑：没关注最后一个问题，matplotlib可以做三角测量，scipy为3d。
感谢。
PS - 有点相关：由于Delaunay三角剖分是Voronoi图的双重图，并且k均值聚类将空间分割成Voronoi单元，这里描述的方法是否与k均值聚类相同（或密切相关）？我是机器学习算法的初学者，所以我希望得到一些专家的反馈。答案 0 :(得分：1)
您的结果可能是完整的图表，因此Delaunay三角测量无效。但是你可以使用kD-Tree。