在K-D Tree中对于“the nearest neighbor query”的定义出现问题

在对K-D Tree 类的编写的时候定义the nearest neighbor query时发生错误

问题显示“缩进”出现问题

尝试调整缩进但似乎出现了更多的问题

def nearest_neighbor(self, point: Point) -> Point:
        closest = None
        depth = 0
        return self._nearest_neighbor(point, self._root, closest, depth)

    def _nearest_neighbor(self, point, node, closest, depth):
       if node is None:
            return closest
       if closest is None or self.distance(point, node.location) < self.distance(point, closest):
           closest = node.location
        axis = depth % 2
        if point[axis] < node.location[axis]:
           closest = self._nearest_neighbor(point, node.left, closest, depth+1)
        else:
            closest = self._nearest_neighbor(point, node.right, closest, depth+1)
        return closest

    def distance(self, p1, p2):
        return ((p1.x - p2.x) ** 2 + (p1.y - p2.y) ** 2) ** 0.5

def range_test():
    points = [Point(7, 2), Point(5, 4), Point(9, 6), Point(4, 7), Point(8, 1), Point(2, 3)]
    kd = KDTree()
    kd.insert(points)
    result = kd.range(Rectangle(Point(0, 0), Point(6, 6)))
    assert sorted(result) == sorted([Point(2, 3), Point(5, 4)])

你的代码是有从网页复制的吗？可能是tab和空格混用导致缩进出现了问题
试试这个

def nearest_neighbor(self, point: Point) -> Point:
    closest = None
    depth = 0
    return self._nearest_neighbor(point, self._root, closest, depth)
 
def _nearest_neighbor(self, point, node, closest, depth):
    if node is None:
        return closest
    if closest is None or self.distance(point, node.location) < self.distance(point, closest):
        closest = node.location
    axis = depth % 2
    if point[axis] < node.location[axis]:
        closest = self._nearest_neighbor(point, node.left, closest, depth+1)
    else:
        closest = self._nearest_neighbor(point, node.right, closest, depth+1)
    return closest

def distance(self, p1, p2):
    return ((p1.x - p2.x) ** 2 + (p1.y - p2.y) ** 2) ** 0.5
 
def range_test():
    points = [Point(7, 2), Point(5, 4), Point(9, 6), Point(4, 7), Point(8, 1), Point(2, 3)]
    kd = KDTree()
    kd.insert(points)
    result = kd.range(Rectangle(Point(0, 0), Point(6, 6)))
    assert sorted(result) == sorted([Point(2, 3), Point(5, 4)])
 

望采纳！！！点击回答右侧采纳即可！！我给你改好了，只需要检查代码中的缩进，并将其调整为符合 Python 规则的缩进即可。在这个代码中，如果if node is None: 下面的这行缩进需要去掉，如果 point[axis] < node.location[axis]:下面的这行也需要去掉缩进。

def nearest_neighbor(self, point: Point) -> Point:
    closest = None
    depth = 0
    return self._nearest_neighbor(point, self._root, closest, depth)

def _nearest_neighbor(self, point, node, closest, depth):
    if node is None:
        return closest
    if closest is None or self.distance(point, node.location) < self.distance(point, closest):
        closest = node.location
    axis = depth % 2
    if point[axis] < node.location[axis]:
        closest = self._nearest_neighbor(point, node.left, closest, depth+1)
    else:
        closest = self._nearest_neighbor(point, node.right, closest, depth+1)
    return closest

def distance(self, p1, p2):
    return ((p1.x - p2.x) ** 2 + (p1.y - p2.y) ** 2) ** 0.5
def range_test():
    points = [Point(7, 2), Point(5, 4), Point(9, 6), Point(4, 7), Point(8, 1), Point(2, 3)]
    kd = KDTree()
    kd.insert(points)
    result = kd.range(Rectangle(Point(0, 0), Point(6, 6)))
    assert sorted(result) == sorted([Point(2, 3), Point(5, 4)])

"The nearest neighbor query" 是指在 K-D Tree 中查找离给定点最近的邻居点。这通常是通过递归遍历 K-D Tree 来完成的。

关于缩进问题，通常是由于缩进不一致导致的，例如空格和tab混用，或者缩进数量不一致。这可能会导致程序运行出错，或者在调试时出现问题。

解决这个问题的方法包括:

使用统一的缩进方式(空格或者tab)
使用缩进自动格式化工具
在缩进有问题的地方手动检查
重新整理代码结构
通过上述步骤来解决问题, 通常可以避免缩进问题带来的影响。
缩进问题可能还会导致代码中出现语法错误或者逻辑错误，例如在某些情况下，缩进不当会导致循环不能正常工作，或者在执行递归时会进入无限递归。因此，在确保缩进正确之后，还需要对整个代码进行检查以确保程序的正确性。

除了缩进问题，在实现K-D Tree的 nearest neighbor query 时还可能出现其他问题，例如数据类型问题、算法不当等。因此建议检查整个代码并进行调试工作，确保K-D Tree的 nearest neighbor query 能正常工作。
当然, 为了能够更好地调试和检查代码, 可以考虑使用一些调试工具来帮助更好地发现问题和定位错误。

可以考虑使用 python 内置的调试工具，例如 pdb, 这样可以在代码中设置断点并进行单步调试。

也可以使用 IDE（集成开发环境）中的调试功能进行调试，通过断点和单步调试来查看变量的值和执行的代码行数，帮助我们定位问题。

还可以使用日志和打印语句在代码中添加调试信息，帮助我们了解程序执行时的状态和流程。

同时可以考虑使用单元测试来测试每一个函数和代码段，帮助我们发现问题和确保代码的正确性。

最后, 可以在社区或者技术论坛上寻求帮助，寻找其他人的经验和建议。