假设我有一个500万点的目录，其x，y，z位置在3D空间中。对于这500万个点中的每一个，我想找到最接近它的10个点（直接的3D欧几里德距离公式）。
在python中，如果我对表中的每个元素执行一个简单的for循环，并且在for循环中执行数组操作（不是第二个for循环！）来查找当前点和所有其他点之间的距离目录，这将需要数天/周。我尝试了一些涉及排序和计算点之间距离的东西，只有+/-每个表元素周围几千行，但这仍然需要数天。
在python中执行此操作的更快捷方法是什么？有没有办法将for循环转换为某种矢量化操作？任何机器学习技巧（例如，在scikit-learn中）是否有帮助？或者以某种方式并行化代码帮助？
答案 0 :(得分：1)
我在R中使用了一个名为RANN的打包，它找到了“近似”的最近邻居。我在几分钟内用25 M观察值和8个维度运行它，结果对我的用例来说已经足够了。
我不确定我使用的软件包是否有Python版本，但我发现此链接有很多替代方法：Benchmark of ANN Libraries