我想做一些与此处提出的问题非常相似的事情：
Comparing two lists of coordinates in python and using coordinate values to assign values
也就是说，我有两个坐标列表（例如，x和y），如果（x，y）坐标与列表1中的（x，y）坐标匹配，我想从列表2中提取数量。
现在，只要坐标匹配完全
，上面链接的问题中的答案就可以很好地解决这个问题。但是，我想说明可能会有轻微变化。因此，假设两个坐标中存在小的偏差dx或dy。假设我说，“对于dx<R，我认为这些坐标是相同的。”我将如何将其纳入代码中 - 牢记上面链接中已经提供的解决方案（当然还有其他创造性解决方案）。
注意：对于快速而肮脏的解决方案（双循环），这相对容易。在接受的答案中给出的O（n）解决方案更加棘手，这正是我正在寻找的。
答案 0 :(得分：0)
这绝对是一种计算几何算法。您可以按如下方式重新表述：给定一组平面中的一组点，找到所有点P距离<= R（相对于Chebyshev distance所提供的所有点的集合条件dx <= R和dy <= R必须发生。）
二次时间的解决方案很简单：你只需要检查一个点是否位于给定的方格中。不过，我不认为基于哈希表的方法（在平均线性时间内运行）可以很容易地进行调整。
O(n log n)中的解决方案是可以想象的（尽管它可能由每个方格中的点数决定：我假设R非常小，因此只有一定数量的平均每个方格的点数。）
为此，您可以调整sweep-line algorithm。首先，您可以通过仅考虑与输入中给定点相对应的x和y来“离散”坐标（这用于在坐标上发出请求而不是在
之后，您可以对点进行排序，例如根据他们的x坐标。事实上，最好在x+r和x-r添加“事件”（您也可以在x上放置一个事件，以便考虑每个点而不是扫描一个每个点的不同数据结构，对应于正方形的左角和右角。扫描这些事件，在y坐标（*）排序的二叉搜索树中遇到左角时添加点，并在读取右角事件时删除它们。
因此，在给定时间，您的树恰好包含与当前事件相关的(x, y)点|x-xcurrent| <= R。当你得到一个点时，你只需找到(x, y)集合中关于当前事件验证|y-ycurrent| <= R的所有点。
（*）实际上，有可能使用诸如Fenwick trees之类的数据结构，这些数据结构更容易“从头开始”编码，并导致比复杂数据结构（如二叉搜索树）更低的常量。