假设这是我正在实现的简单KD树
def Test():
features = np.random.random((10, 2))
X = np.array(features[0:2])
print(X)
tree = KDTree(features, leaf_size=40)
indic = tree.query_radius(X, r= 0.1)
counter = 0
for i in indic:
a = (features[i])
np.savetxt('file{}.txt'.format(counter), a, fmt='%s')
counter += 1
yield i
tree = Test()
[X for X in tree]
在这里,我为每个目标位置的每个相邻元素保存文本文件,这个工作非常好。在
有没有什么技巧可以让我对每个目标点使用不同的搜索条件,而不必一次又一次地创建单独的树查询?在
例如,假设我想将一个变量X = np.array(features[0]
与r = 0.1
一起使用
以及另一个变量Y = np.array(features[1]
,其中r = 0.5
现在,我只能这样想
有没有一种方法可以将这两种方法结合起来进行一棵树查询?在
是的,有一种方法可以做到这一点,只需使用文档中的一个
query_radius
调用:所以你可以这样做:
输出是file0.txt和file1.txt,file0.txt有1个点(半径较小),file1.txt有5个点(半径较大)。在
相关问题 更多 >
编程相关推荐