Python3中是否存在支持迭代器的KDTree实现以实现增量查询？

• SciPy官方cKDTree（最推荐）
  从SciPy 1.7.0版本开始，scipy.spatial.cKDTree原生提供了query_iterator接口，完全匹配你需要的懒加载增量返回逻辑：迭代器会按照与目标点的距离从小到大逐个返回近邻条目，无需提前对全量数据排序，只要触发阈值break就可以提前终止计算，平摊时间复杂度符合O(logN)的要求。
  适配你的业务逻辑的示例代码如下：

  from scipy.spatial import cKDTree
  import numpy as np
  
  # 初始化KDTree示例，替换为你的实际坐标数据
  data = np.random.rand(10000, 3) 
  myKDTree = cKDTree(data)
  
  score_threshold = 0.95
  best_score = -float('inf')
  best_item = None
  # 生成增量查询迭代器，incident_obj_coords替换为你的目标坐标
  kd_it = myKDTree.query_iterator(incident_obj_coords)
  while True:
      nxt = next(kd_it, None)
      if nxt is None:
          break
      # 原示例代码存在变量未定义问题，此处补充赋值
      item = nxt
      score = similarity(item, incident_obj)
      if score > best_score:
          best_item = item
          best_score = score
      if score > score_threshold:
          break
  

• pykdtree（高性能可选）
  第三方库pykdtree是针对KDTree操作做了极致性能优化的实现，同样支持增量近邻迭代查询，处理百万级以上高维点时速度优于SciPy默认实现，适合大吞吐量场景使用。

若你使用的SciPy版本低于1.7.0，也可以基于KDTree的优先队列搜索逻辑自行封装生成器实现增量返回，无需全量排序所有条目。

内容的提问来源于stack exchange，提问作者Chris