当给定 750 人的姓名和 GPS 位置（纬度、经度和海拔）时，我正在尝试实现 Python 代码，以查找随机选择的个人的 10 个最近邻居的姓名。
import random
#random = rand.sample(range(0,750), 10)
coords = [(random.random()*2.0, random.random()*2.0, random.random()*2.0) for _ in range(750)]
【问题讨论】：
为此，您应该在球坐标中工作，或者您可以转换为笛卡尔坐标。使用笛卡尔坐标系假设您测量距离的方式是直接距离，而不是大椭圆弧。
import numpy as np
from sklearn.neighbors import DistanceMetric
R = 6371 # approximate radius of earth in km
# coordinates in (lat,lon,elv) in units of (rad,rad,km)
coords = np.random.random((750, 3)) * 2
cart_coords = np.array([((R+coord[2]) * np.cos(coord[0]) * np.cos(coord[1]),
(R+coord[2]) * np.cos(coord[0]) * np.sin(coord[1]),
(R+coord[2]) *np.sin(coord[0])) for coord in coords])
# calculate distances between points
dist = DistanceMetric.get_metric('euclidean')
dist_vals = dist.pairwise(cart_coords)
# pick a random person
random_person = np.random.choice(np.arange(750))
top_ten = np.where(dist_vals[random_person] < sorted(dist_vals[random_person])[11])[0]
# remove self from list
top_ten = top_ten[top_ten!=random_person]
print(top_ten)
如果您想忽略海拔并使用hassine公式，您可以查看此帖子Vectorizing Haversine distance calculation in Python
地球是一个椭球体，两极半径和赤道半径相差约 21 公里。如果你真的想更深入，你可以研究大地测量学。 astropy 是解决这类问题的好包https://docs.astropy.org/en/stable/api/astropy.coordinates.spherical_to_cartesian.html
【讨论】：
你不能只使用距离公式来计算给定 x,y,z 的两点之间的距离，其中 d=sqrt((x2-x1)^2+(y2-y1)^2+(z2- z1)^2) 得到随机选择的人与所有其他元素之间的距离。只需计算每个人与随机人的距离，然后只存储最低的十个值
【讨论】：
您可以使用 sklearn 中出色的 BallTree：
import numpy as np
from sklearn.neighbors import BallTree
coords = np.random.random((750, 3)) * 2
tree = BallTree(coords)
random_person = np.random.choice(np.arange(750))
closest_people = tree.query(coords[None, random_person], k=10)[1]
【讨论】：