KDTree从二维点集a中选择距离二维点集b的每个点最近的n个点的python代码

以下是使用KDTree实现从二维点集a中选择距离二维点集b的每个点最近的n个点的python代码：

import numpy as np
from scipy.spatial import KDTree

def nearest_points(a, b, n=1):
    """
    使用KDTree从二维点集a中选择距离二维点集b的每个点最近的n个点
    :param a: 二维点集a，shape为(n1, 2)
    :param b: 二维点集b，shape为(n2, 2)
    :param n: 最近的n个点，默认为1
    :return: 二维点集a中距离二维点集b的每个点最近的n个点的索引，shape为(n2, n)
    """
    kdtree = KDTree(a)  # 构建KDTree
    dists, indices = kdtree.query(b, k=n)  # 查询每个查询点的k个最近邻居
    return indices  # 返回每个查询点的n个最近邻居的索引

在这个实现中，我们首先使用`KDTree`函数构建了一个KDTree，然后使用`query`函数查询每个查询点的最近邻居。最后，我们只需要返回每个查询点的n个最近邻居的索引即可。需要注意的是，返回的索引是基于点集a的索引，而不是b的索引。如果需要基于b的索引，可以使用以下代码：

indices = nearest_points(a, b, n=n)
indices = np.take(np.arange(a.shape[0]), indices)

其中，`np.take`函数是numpy库中的函数，用于从数组中取出指定索引的元素。