我有一个具有20K行和50列的pandas数据框。我想根据列的欧几里得距离找到此数据框中每行的5个最近邻居。因此，结果是20K * 5的矩阵，其中列是数据帧中最近邻居的ID。]
我正在寻找一种解决方案，以尽可能高效地执行此操作，最好使用熊猫，并行操作或向量化操作提供的索引。 Scipy KD树非常慢。
任何想法？
我有一个具有20K行和50列的pandas数据框。我想根据列的欧几里得距离找到此数据框中每行的5个最近邻居。因此结果是...
确实看起来Scipy的kd树在您的情况下很慢；查询单个点大约需要80毫秒，我想这将导致整个数据集的总计算时间约为0.08 * 20_000 = 1600s。