Проблема с типом данных с использованием scipy.spatial
Я хочу использовать KDTree scipy.spatial для поиска ближайших соседних пар в двумерном массиве (по существу, список списков, где размерность вложенного списка равна 2). Я создаю список списков, подключаю его к массиву numpy и создаю экземпляр KDTree. Однако всякий раз, когда я пытаюсь запустить «запрос», я неизбежно получаю странные ответы. Например, когда я печатаю:
tree = KDTree(array) nearest = tree.query(np.array[1,1]) ближайшие распечатки (0.0, 0). В настоящее время я использую массив, который в основном равен y = x для диапазона (1,50), поэтому я ожидаю, что я должен получить ближайшего соседа (2,2) для (1,1)
- Захват высокой многоколоничности в статистических моделях
- Python: чтение бинарного файла Fortran с использованием numpy или scipy
- Как рассчитать показатель силуэты fcluster scipy, используя scikit-learn score score score?
- Получение PyCharm для распознавания ScaPy Anaconda
- неустойчивый результат от scipy.cluster.kmeans
- Чернильный рисунок из урны
Что я делаю неправильно, скупые гуру?
EDIT: В качестве альтернативы, если кто-то может указать мне на пакет KDTree для python, который они использовали для поиска ближайшего соседа в данной точке, мне бы хотелось услышать об этом.
One Solution collect form web for “Проблема с типом данных с использованием scipy.spatial”
Раньше я использовал scipy.spatial , и это кажется хорошим улучшением (особенно по интерфейсу) по сравнению с scikits.ann .
В этом случае, я думаю, вы tree.query(...) возвращение с вашего tree.query(...) . Из документов scipy.spatial.KDTree.query :
Returns ------- d : array of floats The distances to the nearest neighbors. If x has shape tuple+(self.m,), then d has shape tuple if k is one, or tuple+(k,) if k is larger than one. Missing neighbors are indicated with infinite distances. If k is None, then d is an object array of shape tuple, containing lists of distances. In either case the hits are sorted by distance (nearest first). i : array of integers The locations of the neighbors in self.data. i is the same shape as d.
Поэтому в этом случае, когда вы запрашиваете ближайшую к [1,1] вы получаете:
distance to nearest: 0.0 index of nearest in original array: 0
Это означает, что [1,1] является первой строкой ваших исходных данных в array , которая ожидается, если ваши данные y = x on the range [1,50] .
Функция scipy.spatial.KDTree.query имеет множество других параметров, поэтому, если вы, например, захотели получить ближайшего соседа, который сам не пытается:
tree.query([1,1], k=2)
Это вернет двух ближайших соседей, к которым вы можете применить дальнейшую логику к таким случаям, когда возвращаемое расстояние равно нулю (т. Е. Запрашиваемая точка – это один из элементов данных, используемых для построения дерева), а второй ближайший сосед берется, а не первый ,