Python 在二维数组中查找到最近邻的距离

我有一个2D数组，我想为每个

（x，y）

点尽可能快地找到到其最近邻居的距离

我可以使用以下方法进行此操作：

---

这是可行的，但我觉得它太多的工作，应该能够处理这一点，但我不知道如何。我对最近邻居的坐标不感兴趣，我只想知道距离（并尽可能快）。

KDTree可以做到这一点。该过程与使用cdist时几乎相同。但是cdist要快得多。正如评论中指出的，cKDTree的速度更快：

import numpy as np
from scipy.spatial.distance import cdist
from scipy.spatial import KDTree
from scipy.spatial import cKDTree
import timeit

# Random data
data = np.random.uniform(0., 1., (1000, 2))

def scipy_method():
    # Distance between the array and itself
    dists = cdist(data, data)
    # Sort by distances
    dists.sort()
    # Select the 1st distance, since the zero distance is always 0.
    # (distance of a point with itself)
    nn_dist = dists[:, 1]
    return nn_dist

def KDTree_method():
    # You have to create the tree to use this method.
    tree = KDTree(data)
    # Then you find the closest two as the first is the point itself
    dists = tree.query(data, 2)
    nn_dist = dists[0][:, 1]
    return nn_dist

def cKDTree_method():
    tree = cKDTree(data)
    dists = tree.query(data, 2)
    nn_dist = dists[0][:, 1]
    return nn_dist

print(timeit.timeit('cKDTree_method()', number=100, globals=globals()))
print(timeit.timeit('scipy_method()', number=100, globals=globals()))
print(timeit.timeit('KDTree_method()', number=100, globals=globals()))

输出：

0.34952507635557595
7.904083715193579
20.765962179145546

---

再一次，证明C是很棒的，这是非常不必要的

那么，你为什么不继续尝试一下cKDTree呢？这只是几行代码。我没有想到尝试

cKDTree

。我要试一试。哇，这在运行时有很大的不同。我只是假设

KDTree

会快得多，不知道为什么。谢谢@Akaisteph7！我听从了Paul的建议，尝试了

cKDTree

而不是

KDTree

（只需更改上面代码中的两个字母），它比

cdist

快几个数量级。

0.34952507635557595
7.904083715193579
20.765962179145546