Python中不同尺寸数组的2D点匹配问题求助

报错原因 #

你的数组形状搞反了：scipy.spatial.KDTree要求输入数组的形状是**(样本数, 特征数)**，也就是每行对应一个数据点（比如每个点的ra和dec）。而你当前的A和B是(2, N)的形状（特征数在前，样本数在后），导致KDTree误把2当成样本数、25919当成特征数，传入B时特征数不匹配，触发报错。

修改方案 #

核心是将数组转置，把形状从(2, N)转为(N, 2)，让每行对应一个(ra, dec)点。

基础代码（欧氏距离适用场景） #

import numpy as np
from scipy.spatial import KDTree

# 假设decamra、decamdec、ra、dec都是一维numpy数组
# 转置数组，将特征维度（ra/dec）放到列，样本数放到行
A = np.array([decamra, decamdec]).T  # 转置后形状：(25919, 2)
B = np.array([ra, dec]).T            # 转置后形状：(64788, 2)

# 基于A构建KDTree
tree = KDTree(A)
# 查询B中每个点在A的半径r范围内的匹配点
results = tree.query_ball_point(B, r=r)

# 统计B中符合条件的点的数量（只要有匹配就算）
valid_count = sum(1 for match_list in results if len(match_list) > 0)
# 如果需要统计所有A-B的匹配总次数（比如一个B点匹配多个A点时多次计数），用下面的代码
# total_matches = sum(len(match_list) for match_list in results)

球面坐标（经纬度）适配 #

如果你的ra/dec是天文经纬度（角度单位），欧氏距离会有误差，需要用球面距离计算：

import numpy as np
from scipy.spatial import KDTree

# 将角度转为弧度
A_rad = np.radians(np.array([decamra, decamdec]).T)
B_rad = np.radians(np.array([ra, dec]).T)

# 使用haversine球面距离，r需转为弧度（比如r=1角分，就是1/60弧度）
tree = KDTree(A_rad, metric='haversine')
results = tree.query_ball_point(B_rad, r=np.radians(r_degrees))

valid_count = sum(1 for match_list in results if len(match_list) > 0)

内容的提问来源于stack exchange，提问作者Payton Bartz