cKDTree功能完整

Question

Scipy（http://www.scipy.org/）提供两个KD Tree类; KDTree和cKDTree。

cKDTree要快得多，但是比KDTree更少可自定义和查询（据我从文档中可以看出）。

这是我的问题： 我有一个3百万二维（X，Y）点的列表。我需要从每个点返回X单位内的所有点。

使用KDtree，可以选择执行此操作：KDtree.query_ball_tree()它会生成一个列表，其中包含每个其他点的X个单位内的所有点。但是：这个列表非常庞大，很快就会填满我的虚拟内存（大约7.44亿个项目）。

潜在的解决方案＃1：有没有办法在写入时将此列表解析为文本文件？

潜在的解决方案＃2：我尝试过使用for循环（对于列表中的每个点），然后使用：KDtree.query_ball_point()在X单位内找到单点的邻居。但是：这需要永远，因为它需要运行数百万次查询。是否有与此KDTree工具相当的cKDTree？

潜在的解决方案＃3：打败我，其他人有什么想法？

Answer 1

从scipy 0.12开始，两个KD Tree类都具有特征奇偶性。引用其announcement：

cKDTree功能完整

CyD版KDTree，即cKDTree，现已完成功能。最   操作（构造，查询，query_ball_point，query_pairs，   count_neighbors和sparse_distance_matrix）介于200和1000之间   cKDTree比KDTree快一倍。有非常小的警告，   cKDTree与KDTree具有完全相同的接口，可以用作   直接替换。

Answer 2

请尝试使用KDTree.query_ball_point。它需要一个点或点数组，并在输入点的给定距离内产生点。

您可以使用此功能执行批量查询。比如说，一次给它100000个点，然后将结果写入文件。像这样：

BATCH_SIZE = 100000
for i in xrange(0, len(pts), BATCH_SIZE):
    neighbours = tree.query_ball_point(pts[i:i+BATCH_SIZE], X)
    # write neighbours to a file...

优化Python KD树搜索

2 个答案:

cKDTree功能完整