具有haversine距离的python树

我尝试创建WGS84坐标的KD树，并在一定半径内查找邻居

from sklearn.neighbors.dist_metrics import DistanceMetric
from sklearn.neighbors.kd_tree import KDTree    
T = KDTree([[47.8665, 8.90123]], metric=DistanceMetric.get_metric('haversine'))

但会出现以下错误：

ValueError: metric HaversineDistance is not valid for KDTree

---

如何在KD树中使用haversine距离？

KDTree。有效的度量标准

输出-

['p',
 'l1',
 'chebyshev',
 'manhattan',
 'minkowski',
 'cityblock',
 'l2',
 'euclidean',
 'infinity']

这说明，您不能将

haversine

与KDTree一起使用。它背后的原因是哈弗森距离给出了距离，这是在球体中表示点时使用的距离度量。但是在kdTree中，点被组织在树中，这使得使用它无效。

k-d树（据我所知）只能与Minkowski规范一起使用

---

还有其他树，如sklearn中的ball树，或ELKI中的covertree树，可以处理Haversine距离，因为它是一个度量。

感谢您的解释。有没有办法让它跑得比O（n^2）（计算所有的距离对）更快？有一些树可以和哈弗森一起工作。但是kd树没有。在python中，球树就是一个例子。哦，我完全没有意识到这一点。谢谢你的信息。我会读到的。你也可以使用KDTree，但是你必须将经度、纬度对转换成carthesian/euclidean值，并将距离值转换回英里或公里。据我所知，你也可以把经度和纬度转换成弧度，它直接以公里为单位给出距离。但我还没有测试过。