使用python，建立kdtree，支持多维

在Python中，你可以使用`scipy`库中的` KDTree`模块来构建k-d树（K-dimensional Tree），这是一种用于近似搜索数据结构，特别适合处理多维空间的数据。k-d树将多维空间划分为一系列轴向的分割超平面，使得每个内部节点都比其所有子节点有更多的维度相等。

以下是创建k-d树的基本步骤：

from scipy.spatial import KDTree

# 假设你有一个二维数组data，存储了多维数据点
data = [[x1, y1], [x2, y2], ..., [xn, yn]]

# 创建KDTree实例
tree = KDTree(data)

# 你可以使用它来进行查找最近邻、范围查询等操作
# 例如，找到离某个点p最近的数据点
point_p = [px, py]
distance, index = tree.query(point_p)  # distance是最小距离，index是对应索引

# 或者查询一个区域内所有的数据点
radius = 5
neighbors = tree.query_ball_point(point_p, radius)