scipy.spatial也有一个kd树实现：
scipy.spatial.KDTree。
该方法通常是首先使用点数据来构建kd树。其计算复杂度约为N log
N，其中N是数据点的数量。然后可以进行对数N复杂度的范围查询和最近邻居搜索。这比简单地遍历所有点（复杂度N）要有效得多。
因此，如果您重复了范围查询或最近邻查询，则强烈建议使用kd树。
scipy.spatial也有一个kd树实现：
scipy.spatial.KDTree。
该方法通常是首先使用点数据来构建kd树。其计算复杂度约为N log
N，其中N是数据点的数量。然后可以进行对数N复杂度的范围查询和最近邻居搜索。这比简单地遍历所有点（复杂度N）要有效得多。
因此，如果您重复了范围查询或最近邻查询，则强烈建议使用kd树。
名师互学网 版权所有 (c)2021-2022 ICP备案号：晋ICP备2021003244-6号
