具有2D Lat和Lon Python的最近邻或KD树

Question

我要做的是：

我想做的是为最近的邻居提供一个函数，用户提供经纬度数组和一个奇点。在这个函数中，我不介意从不同的库（比如scipykdtree）应用一个函数。之前，我应用了以下函数，该函数用于查找1D lat和lon数组的最近邻：

    import numpy as np
    def find_index_of_nearest_xy(lat_array, lon_array, lat_point, lon_point, num_neighbors = 4):
        dist = np.sqrt(np.abs((lon_array-lon_point)**2 + (lat_array - lat_point)**2))
        sorted_dist = sorted(dist)
        values = np.array(sorted_dist[:num_neighbors])
        indices = np.in1d(dist,values)

        return indices

我知道有一种更有效的方法来寻找最近点的索引，但这种方法对于我之前所做的应用程序来说很快。在

更多详情：

我现在遇到的问题是，我的函数只在lat和lon是1D的情况下才起作用。对于我的新数据集，我的lat和lon数组都是2D的，每个数组的形状都是（5500，5500），所以对它进行拆分和应用我的函数将非常低效，因为我在3个月内每5分钟执行一次分析。这种方法的一个例子是：

^{pr2}$

我发现了this link，它解释了如何使用lat和lon坐标执行kd树，但是lat和lon也是1D

我想返回索引，因为我将在稍后的步骤中将其应用于lat、lon和数据数组。在

所以，我的一般问题是，如果经纬度数组是二维的（即我需要从中提取邻居的数据集），有谁能解释/提供一个例子（或一个链接），说明如何为指定的经纬度坐标（例如36.538537 N，126.330194 E）提取特定数量的邻居（在本例中为4）。在

如果有用的话，我正在处理卫星可见光数据。在

我已经尝试过：

以前我曾尝试过拆开数组（如上所示），这就是我发现它效率极低的原因。我还让它返回True/False值，然后查找数组的True，但这比第一种方法效率更高。我尝试使用heapq库中的nsmallest，但没有成功，因为我不知道如何恰当地使用库。在

我已经进行了广泛的搜索，试图找到一个解决我的问题，没有胜利，所以我没有选择，现在请社区。在