KDTree-Python实现细节

我正在研究scipy库中的KDTree实现，发现自己对这些行有点困惑

---

有人能解释为什么初始

min\u距离

是这样计算的吗？

min\u距离

是

侧边距离

，这又是从

x

到边界框（带内部）的每个维度的距离。换句话说，

minu-distance

是从

x

到边界框最近点的距离。

为什么我们要以这样的方式初始化

side-distance

：

side-distance=np.maximum（0，np.maximum（x-self.maxes，self.mins-x））

？特别是，为什么我们要做

x-self.maxes

，而不是相反呢？@PavelPodlipensky这是一种复杂的说法，如果

x

大于

max

，则返回

x-max

，否则如果

x

小于

min

，则返回

min-x

，否则返回

0

。

side_distances = np.maximum(0,np.maximum(x-self.maxes,self.mins-x))
if p != np.inf:
    side_distances **= p
    min_distance = np.sum(side_distances)
else:
    min_distance = np.amax(side_distances)