在我正在开发的python应用程序中，我有一个3D点阵列（大小在2到100000之间），我必须找到彼此相距一定距离的点（比如在两个值之间，比如0.1）和0.2）。我需要这个用于图形应用程序，这个搜索应该非常快（10000点的样本约为1/10秒）
作为第一个实验，我尝试使用scipy.spatial.KDTree.query_pairs实现，并且使用5000点的样本，返回索引需要5秒。你知道任何可能适用于这种特殊情况的方法吗？
关于应用程序的更多信息：
点表示原子坐标，距离搜索对于确定原子之间的键很有用。债券不一定是固定的，但可能在每一步都发生变化，例如在氢键的情况下。
答案 0 :(得分：4)
好问题！这是我的建议：
将每个坐标除以“epsilon”值0.1 / 0.2 / whatever，并将结果舍入为整数。这创建了点的“商空间”，其中不再需要使用距离公式确定距离，而是简单地通过比较每个点的整数坐标。如果所有坐标都相同，则原始点大约在彼此相差三倍的平方根内（例如）。这个过程是O（n），需要0.001秒或更短。
（注意：您可能希望使用此除法和舍入产生的三个附加整数来扩充原始点，这样您就不会丢失确切的坐标。）
使用字典样式规则按数字顺序对点进行排序，并将坐标中的三个整数视为单词中的字母。这个过程是O（n * log（n）），并且应该小于第二个要求的十分之一。
现在，您只需继续浏览此排序列表，并将每个点的整数坐标与前一个点和后一个点进行比较。如果所有坐标都匹配，则可以将两个匹配点移动到“保持”点列表中，并将所有其他点标记为“扔掉”。这是一个O（n）过程，只需要很少的时间。
结果将是所有原始点的子集，其中仅包含可能涉及任何键的那些点，键被定义为与原始集中的某个其他点大约相差或更小。< / p>
这个过程在数学上并不精确，但我认为它绝对快速且适合您的目的。
答案 1 :(得分：1)
我想到的第一件事是： 如果我们计算集合中每两个原子之间的距离，那么它将是O（N ^ 2）个运算。这很慢。 如何引入具有一些单元格大小的静态正交网格（例如接近您感兴趣的距离），然后确定属于网格的每个单元格的原子（它需要O（N）操作）在此过程之后，您可以减少搜索邻居的时间。