这正是构建这些度量树的原因 .

你问的问题就像你要求的东西一样简单，就像使用sklearn的KDTree一样(根据游戏中的指标考虑BallTree)：

import numpy as np

from sklearn.neighbors import KDTree

X = np.array([[1,1],[2,2], [3,3]]) # 3 points in 2 dimensions

tree = KDTree(X)

dist, ind = tree.query([[1.25, 1.35]], k=2)

print(ind) # indices of 2 closest neighbors

print(dist) # distances to 2 closest neighbors

日期：

[[0 1]]

[[ 0.43011626 0.99247166]]

需要明确的是：KNN通常是指基于度量树(KDTree，BallTree)的一些预构建算法，用于分类任务 . 通常，这些数据结构是人们唯一感兴趣的东西 .

Edit

请查看here以获取这些空间树的兼容性列表 .

你会像这样使用它：

X = np.array([[1,1],[2,2], [3,3]]) # 3 points in 2 dimensions

tree = KDTree(X, metric='l1') # !!!

dist, ind = tree.query([[1.25, 1.35]], k=2)

print(ind) # indices of 2 closest neighbors

print(dist) # distances to 2 closest neighbors

日期：

[[0 1]]

[[ 0.6 1.4]]