Python cKDTree vs dsearchn

我有两个数组

（A，B）

，包含：

ID

，

x

，

y

，

z

，它们的点数相同，但略有不同。 我想要一个数组，其中每一行都有两个数组中最近的两个点的

ID x y z

。 目前，我有以下几点：

import numpy as np
from scipy.spatial import cKDTree
A = np.loadtxt('A.txt')
B = np.loadtxt('B.txt')
tree = cKDTree( B[:,[1,2,3]] )
d, inds = tree.query( A[:,[1,2,3]], k=1, p=np.inf, eps=0.0)
A_new = A[inds]
xyz_near = np.hstack(( B[:,0:4], A_new[:,0:4] ))

但是附近的数组

xyz_不包含正确的耦合（IDB xB yB zB DIA xA yA zA）：

1258718.04450.0784-7.470534218.04440.0403-7.4639

12588 18.0447 0.0783-7.22313421 18.0446 0.0402-7.2164

12589 18.0450 0.0781-6.9756 7764 18.0461 0.0400-5.9785

1259018.04520.0779-6.7281776518.04640.0399-5.7310

1259118.04540.0777-6.4805776618.04670.0399-5.4835

1259218.04570.0775-6.2329776718.04700.0398-5.2359

1259318.04590.0773-5.9852776818.04730.0398-4.9884

如您所见，前两行是正确的，但下一行不是

如果我在matlab中使用
dsearchn
（IDB xB yB zB DIA xA yA zA）执行相同的操作：

1258718.04450.0784-7.470534218.04440.0403-7.4639

12588 18.0447 0.0783-7.22313421 18.0446 0.0402-7.2164

12589 18.0450 0.0781-6.9756 3420 18.0448 0.0402-6.9688

12590 18.0452 0.0779-6.7281 3419 18.0450 0.0401-6.7212

1259118.04540.0777-6.4805341818.04530.0401-6.4737

12592 18.0457 0.0775-6.2329 3417 18.0455 0.0400-6.2261

1259318.04590.0773-5.9852341618.04580.0400-5.9785

没错。
我曾尝试将
p
更改为1、2和
np.inf
，但结果相同

档案：

A.txt：

B.txt：

谢谢

更新：
即使使用ergo_uu建议的修复方法，我还是得到了：

12587 18.0445 0.0784-7.4705 7758 18.0448 0.0403-7.4639

1258718.04450.0784-7.470534218.04440.0403-7.4639

12588 18.0447 0.0783-7.22313421 18.0446 0.0402-7.2164

12588 18.0447 0.0783-7.2231 7759 18.0450 0.0402-7.2163

12589 18.0450 0.0781-6.9756 7760 18.0452 0.0402-6.9688

12589 18.0450 0.0781-6.9756 3420 18.0448 0.0402-6.9688

12590 18.0452 0.0779-6.7281 3419 18.0450 0.0401-6.7212

1259018.04520.0779-6.7281776118.04540.0401-6.7212

1259118.04540.0777-6.4805776218.04560.0401-6.4736

1259118.04540.0777-6.4805341818.04530.0401-6.4737

因此，它会多次考虑相同的点。
您可以验证cKDTree是否给出了正确的结果。
这里，对于“A中的每个点，B中的哪个点最接近”的问题：

解决方案也是独一无二的，如上所示

另一方面，如果您想要1对1映射，这是一个不同的问题，这在中给出
但是，我不认为
dsearchn
给出了这个答案。
使用八度音阶的
dsearchn
或不带三角剖分的Matlab可以引入以下numpy/python代码行：

def dsearchn(x,y):
"""
Implement Octave / Matlab dsearchn without triangulation
:param x: Search Points in
:param y: Were points are stored
:return: indices of points of x which have minimal distance to points of y
"""
IDX = []
for line in range(y.shape[0]):
    distances = np.sqrt(np.sum(np.power(x - y[line, :], 2), axis=1))
    found_min_dist_ind = (np.min(distances, axis=0) == distances)
    length = found_min_dist_ind.shape[0]
    IDX.append(np.array(range(length))[found_min_dist_ind][0])
return np.array(IDX)

试试这个代码。它产生的结果与使用三角剖分的MATLAB方法“dsearchn（P，T，PQ）”相同

# xy=[[x1,y1]...[xm,ym]]
# XY=[[X1,Y1]...[Xm,Ym]]

tree = cKDTree(xy[:, 1:])
dd, ii = tree.query(XY, k=2, p=2, eps=0.0)
Z = []
for i in range(len(dd)):
    min_dd = min(dd[i])
    min_dd_idx = np.where(dd[i] == min_dd)[0]
    if len(min_dd_idx) > 1:
        sorted_ii = np.sort(ii[i][min_dd_idx])
        Z.append(sorted_ii[len(min_dd_idx) - 1])
    else:
        Z.append(ii[i][0])

从#scipy频道复制粘贴：
而不是A_new=A[inds]，多亏了你和ergo，你应该做B_new=B[inds]
。似乎有效。不幸的是，即使使用B_new=B[inds]，我也无法看到更新。你得到的答案是“对于A中的每个点，B中的哪个点最接近”，这自然不需要列出B中的所有点。如果你想问相反的问题，请交换A和B。但我不明白为什么使用“dsearchn”我不会遇到这个问题。即使我不交换A和B，我也会得到A的多个引用。
# xy=[[x1,y1]...[xm,ym]]
# XY=[[X1,Y1]...[Xm,Ym]]

tree = cKDTree(xy[:, 1:])
dd, ii = tree.query(XY, k=2, p=2, eps=0.0)
Z = []
for i in range(len(dd)):
    min_dd = min(dd[i])
    min_dd_idx = np.where(dd[i] == min_dd)[0]
    if len(min_dd_idx) > 1:
        sorted_ii = np.sort(ii[i][min_dd_idx])
        Z.append(sorted_ii[len(min_dd_idx) - 1])
    else:
        Z.append(ii[i][0])