Scipy.space.KDTree。查询大型数据集问题

Question

我正在使用中的KDQuery函数凌乱的。空间的. 一旦我的数据量变得非常大，我就会遇到问题。我意识到算法的设计不一定对大数据集有效，但从源代码来看，大小只会增加处理时间，而不会影响输出。在

下面是一个代码片段：

sizes = [ 10**i for i in range(5,6) ] #10^5 for this test
data = np.random.random_integers(0,100,(sizes[-1],2))
for size in sizes:
    kd = ps.common.KDTree(data)
    nnq = kd.query(data,k=2+1, p=2)
    info = nnq[1] #This is the indices of the neighbors
    neighbors = {}
    idset = np.arange(len(info)) #Indices of the input point
    for i, row in enumerate(info):
        row = row.tolist()
        row.remove(i)
        neighbors[idset[i]] = list(row)

当我不在列表中时，返回一个值错误（ValueError列表.删除（x） ：x不在列表中）。对于小于10^5的数据大小，此代码按预期工作。在

出现错误的一个潜在原因是递归限制正在达到。为了探索这个问题，我将递归深度设置为1000000（sys.setrecursionlimit(1000000)）。这并不能缓解问题。在

Answer 1

错误发生在代码中的语句row.remove(i)。问题是你的随机数据集可能有重复的点，有时同一个点可以重复三次以上。当数据集很大时，这很可能发生。当这种情况发生时，一个点的三个最近的邻居可能不包括该点本身。这将导致row.remove(i)中的错误。在