基于坐标的最近点，python

Question

我有一个带有x和y坐标的电台列表。我试图为每个站点找到至少4个最近点。我看了一下link，但无法弄清楚如何做到这一点。

例如，我的数据如下：

station Y   X
601 28.47   83.43
604 28.45   83.42
605 28.16   83.36
606 28.29   83.39
607 28.38   83.36
608 28.49   83.53
609 28.21   83.34
610 29.03   83.53
612 29.11   83.58
613 28.11   83.45
614 28.13   83.42
615 282.4   83.06
616 28.36   83.13
619 28.24   83.44
620 28.02   83.39
621 28.23   83.24
622 28.09   83.34
623 29.06   84
624 28.58   83.47
625 28.54   83.41
626 28.28   83.36
627 28.23   83.29
628 28.3    83.18
629 28.34   83.23
630 28.08   83.37
633 29.11   83.59

任何帮助都会受到高度关注。

Answer 1

对于大数据，您可能会尝试在数据结构方面变得聪明。正如您自己已经标记的那样，这些查找有专门的数据结构。 Scipy支持一些，sklearn甚至更完整（并且更好，更积极地开发用于这些任务;个人意见）！

代码示例使用scipy的API不使用（python-）循环。缺点是需要为每个元素丢弃与自身的0距离。

代码

import numpy as np
from scipy.spatial import KDTree

""" Data """
data_i = np.array([601, 604, 605, 606])
data = np.array([[28.47, 83.43],[28.45, 83.42],[28.16, 83.36],[82.29, 83.39]])
print(data_i)
print(data)

""" KDTree """
N_NEIGHBORS = 2
kdtree = KDTree(data)
kdtree_q = kdtree.query(data, N_NEIGHBORS+1)  # 0-dist to self -> +1
print(data_i[kdtree_q[1][:, 1:]])             # discard 0-dist
                                              #   uses guarantee of sorted-by-dist

输出

[601 604 605 606]
[[ 28.47  83.43]
 [ 28.45  83.42]
 [ 28.16  83.36]
 [ 82.29  83.39]]
[[604 605]
 [601 605]
 [604 601]
 [601 604]]