查不到常见因坐标顺序错误或id非整数：rtree要求(minx, miny, maxx, maxy)四元组及整型id，传入字符串、浮点id或wkt格式将静默失败；point.bounds返回(x,y,x,y)合法，但须确保坐标系统一。
Python里用rtree库构建R树索引时，为什么插入后查不到？
常见原因是坐标顺序或范围定义错误。R树索引对矩形边界敏感，rtree要求插入的几何范围是(minx, miny, maxx, maxy)，不是(x, y, width, height)，也不是WKT或GeoJSON格式。
- 插入前务必确认坐标系一致，比如所有数据都用WGS84（经纬度），不要混用投影坐标
- 如果用
shapely生成几何再转边界，别直接传geom.bounds——它返回(minx, miny, maxx, maxy)，刚好匹配，但要注意Point的bounds会返回(x, y, x, y)，合法 - 索引ID必须是整数（
int），传字符串或浮点数会导致静默失败，查询返回空结果
示例：正确插入一个点
from rtree import index idx = index.Index() # 正确：用 (minx, miny, maxx, maxy)，ID为int idx.insert(1, (116.3, 39.9, 116.3, 39.9)) # 北京某点 list(idx.intersection((116.2, 39.8, 116.4, 40.0))) # → [1]
用rtree做空间交集查询，为何结果包含不相交的要素？
rtree返回的是“可能相交”的候选集，不是精确结果——这是R树的本性：它做的是MBR（最小边界矩形）相交判断，而MBR相交 ≠ 几何相交。
- 必须在查询后用
shapely做二次过滤，比如geom.intersects(candidate_geom) - 若跳过这步，尤其在处理多边形（如行政区划）时，误报率很高；线状要素在弯曲处也容易被MBR“拉进来”
- 性能权衡：先用R树缩小候选集，再用精确计算，通常比全量
shapely遍历快10–100倍，但不能省略后一步
典型写法：
import shapely.geometry as sg
query_box = (116.0, 39.5, 117.0, 40.5)
candidate_ids = list(idx.intersection(query_box))
# 再用真实几何过滤
actual_matches = [
feat for feat in features
if feat['geom'].intersects(sg.box(*query_box))
]
Windows下pip install rtree失败或导入报ImportError: DLL load failed
根本原因是rtree依赖底层C库libspatialindex，而PyPI上的wheel包不总包含预编译DLL，尤其在较新Python版本（3.11+）或Miniconda环境里更易出问题。
- 优先用
conda install -c conda-forge rtree，它自带完整依赖链，Windows兼容性最好 - 若必须用pip，先手动装
libspatialindex：从GitHub release页下载对应系统/架构的.zip，解压后把bin/目录加进PATH，再pip install rtree - 检查是否32/64位混用：Python是64位，就一定用64位
libspatialindex，否则DLL加载必然失败
用rtree管理百万级地理要素时，内存涨得停不下来
R树索引本身不自动释放内存，且默认使用内存型索引（in-memory index），所有节点驻留RAM。要素越多，内存占用越线性增长，不是常量。
- 启用磁盘持久化：创建索引时指定
storage参数，例如idx = index.Index('my_index')，操作完调<code>idx.close()释放句柄 - 避免反复新建索引：每插入10万要素后重建一次索引，比持续insert更快且内存更可控
- 注意
rtree不支持并发写入，多线程insert需加锁，否则可能损坏索引结构
磁盘索引示例：
idx = index.Index('cache/geo_index') # 文件路径
for i, geom in enumerate(geoms):
idx.insert(i, geom.bounds)
idx.close() # 必须显式关闭，否则文件锁住且内存不释放
真正麻烦的是混合精度场景：比如同时存GPS点（小范围）和国家边界（大范围），R树的树高和节点分裂策略会失衡，这时得考虑分层索引或换用pygeos+strtree替代方案。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
