2

我正在尝试做的事情：

我想要做的是有一个最近邻居的功能，用户提供纬度和经度数组和一个奇点。在函数中，我不介意应用来自不同库（例如 scipy kdtree）的函数。以前，我应用了以下函数，该函数可用于查找 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可以找到最近点的索引，但这种方法对于我之前正在做的应用程序来说很快。

更多细节：

我现在遇到的问题是我的函数只有在 lat 和 lon 是 1D 时才有效。使用我的新数据集，我的 lat 和 lon 数组都是 2D 的，每个都具有 (5500, 5500) 的形状，因此分解它并应用我的函数将非常低效，因为我在 3 个月内每 5 分钟执行一次此分析。这种方法的一个例子是：

    #current_AERONET is a pandas dataframe with aeronet lat, lon, time, and AOT data
    aeronet_lat = current_AERONET['Lat'].tolist()
    aeronet_lon = current_AERONET['Lon'].tolist()
    for ahi in ahi_files:
        openfile = netcdf.netcdf_file(ahi, 'r')
        ahi_lat = np.copy(np.squeeze(openfile.variables['lat'][:])) #(5500, 5500)
        ahi_lon = np.copy(np.squeeze(openfile.variables['lon'][:])) #(5500,5500)
        new_lat = np.ravel(lat) #(30250000,)
        new_lon = np.ravel(lon) #(30250000,)            

        idx = find_index_of_nearest_xy(new_lat, new_lon, aeronet_lat, aeronet_lon)
        current_lat = new_lat[idx]
        current_lon = new_lon[idx]

我发现这个链接解释了如何使用纬度和经度坐标执行 kd 树，但纬度和经度也是一维的。

我想返回索引，因为我在后面的步骤中将它应用于我的 lat、lon 和 data 数组。

所以我的一般问题是任何人都可以解释/提供一个示例（或链接），说明如何为指定的纬度和经度坐标（例如 36.538537 N，126.330194 E）提取特定数量的邻居（在本例中为 4），前提是纬度和经度数组是二维的（即我需要从中提取邻居的数据集）。

如果有用，我正在处理卫星可见数据。

我已经尝试过：

以前我曾尝试解开数组（如上所示），这就是我发现它效率极低的原因。我也让它返回 True/False 值，然后查找我的数组在哪里是 True，但这比第一种方法效率更低。我尝试使用 heapq 库中的 nsmallest 没有运气，因为我不明白如何正确使用该库。

我进行了广泛的搜索，试图为我的问题找到解决方案，但没有成功，所以我没有选择，现在正在询问社区。

4

0 回答 0