Python:sklearn.neighbors.KDTree 未按预期工作

Python: sklearn.neighbors.KDTree not working as expected

我正在编写一个程序,该程序应该 select 位于另一个点附近的点。邻域大小由半径指定。我为此使用 sklearn.neighbors.KDTree 算法。但是,它并没有像我预期的那样工作。

为了向您展示我正在处理的内容,我有两个数据框:

当我尝试硬编码我对 KDTree 的期望时,似乎 df_example_points 中的每个点都应该被 KDTree 提取为位于参考点邻域内的点。

>>> radius = 0.27
>>> x_ref, y_ref, z_ref = df_reference_point.iloc[0]
>>> x_min, x_max = x_ref - radius, x_ref + radius
>>> y_min, y_max = y_ref - radius, y_ref + radius
>>> z_min, z_max = z_ref - radius, z_ref + radius
>>> for i, (x, y, z) in df_example_points.iterrows():
...     if all([x_min <= x <= x_max, y_min <= y <= y_max, z_min <= z <= z_max]):
...         print(f'Point {i} SHOULD be extracted.')
...     else:
...         print(f'Point {i} SHOULD NOT be extracted.')
Point 0 SHOULD be extracted.
Point 1 SHOULD be extracted.
Point 2 SHOULD be extracted.
Point 3 SHOULD be extracted.

但是,当我尝试使用 KDTree 时,只提取了一个点。

>>> tree = KDTree(df_example_points.values)
>>> extracted_points_indices = tree.query_radius(df_reference_point.values.reshape(1, -1), radius)[0]
>>> print(f'Number of extracted points: {len(extracted_points_indices)}')
Number of extracted points: 1

我想用KDTree,因为执行起来快多了。但是,当结果不可靠时,我不能使用它。拜托,你能帮帮我吗,我做错了什么?我错过了什么?

正如@Gabriel 评论的那样,您正在使用两种不同的距离度量。 KDTree 默认值为 minkowski,而您使用的是 chebyshev(您可以在此处检查 sklearn 可能的指标:DistanceMetric)。

更改默认值将得到您预期的结果:

tree = KDTree(df_example_points.values, metric='chebyshev')
extracted_points_indices = tree.query_radius(df_reference_point.values.reshape(1, -1), radius)[0]

print(f'Number of extracted points: {len(extracted_points_indices)}')
Number of extracted points: 4