问题描述
使用 KDTree，我需要为大型坐标数据集中的每个观测值找到 k = 2、k = 4... k = n 个最近邻。
这里的循环有效，但效率不高：
from scipy import spatial
df = pd.DataFrame({'lon' : [-71,-70,-69,-68,-68],'lat' : [-33,-34,-35,-33]})
data = list(zip(df.lon,df.lat))
tree = spatial.KDTree(data = data,leafsize = 10)
k_nearest = [2,4]
for i in range(len(k_nearest)):
pts = list(zip(df.lon,df.lat))
k = k_nearest[i]
kind = tree.query(pts,k = k)[1]
效率不高，因为每次搜索 k = n 个最近邻时，它都是从零开始的，而不是采用前一次迭代中找到的 k = n 步最近邻。
如何使循环更高效，使其不再搜索在前一次迭代中找到的最近邻居？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）