我正在编写一个算法，基于兴趣相似性，使用NearestNeighbors(n_neighbors = 1)将setA中的每个人与setB中的某个人进行匹配。

这是我目前的代码：

dfA = pd.DataFrame(np.array([[1, 1, 1, 1], [1,1,2,2], [4, 5, 2, 0], [8, 8, 8, 8]]),                   columns=['interest0', 'interest2', 'interest3','interest4'],                  index=['personA0','personA1','personA2','personA3'])dfB = pd.DataFrame(np.array([[1, 1, 1, 1], [1, 1, 1, 2], [2,3,2,2], [8, 6, 8, 8]]),                   columns=['interest0', 'interest2', 'interest3','interest4'],                  index=['personB0','personB1','personB2','personB3'])knn = NearestNeighbors(n_neighbors = 1, metric = my_dist).fit(dfA)distances, indices = knn.kneighbors(dfB)>>> dfA          drink  interest2  interest3  interest4personA0      1          1          1          1personA1      1          1          2          2personA2      4          5          2          0personA3      8          8          8          8>>> dfB          drink  interest2  interest3  interest4personB0      1          1          1          1personB1      1          1          1          2personB2      2          3          2          2personB3      8          6          8          8>>> print("Distances\n\n", distances, "\n\nIndices\n\n", indices)Distances [[0.   ] [0.125] [1.125] [0.5  ]] Indices [[0] [0] [1] [3]]

从输出结果来看，personB0的最佳匹配是personA0（距离 = 0）。然而，personB1的最佳匹配也是personA0（距离 = 0.125）！

我想找到一种方法，将personB0与personA0匹配（因为它们的距离最小），然后将它们移到另一个表中，再次运行K-邻居算法，希望现在建议personB1的最佳匹配是personA1（因为A0已经被移除）。我已经开始编写一个for循环来迭代这个过程，但是对我来说这相当复杂（需要迭代多个不同的数组、数据框等），所以我想知道最好的方法是什么？我想要一个像下面这样的最终数据框，具有1:1的对应关系：

  SetA         SetBpersonA0     personB0personA1     personB1personA2     personB3personA3     personB2

回答：

你可以使用一个列表来检查一个人是否已经被匹配。此外，你需要获取按距离排序的邻居列表，而不是通过更改传递给参数n_neighbors的值来获取最近的邻居。

knn = NearestNeighbors(n_neighbors=len(dfB)).fit(dfB)distances, indices = knn.kneighbors(dfA)matched = []pairs = []for indexA, candidatesB in enumerate(indices):    personA = dfA.index[indexA]    for indexB in candidatesB:        if indexB not in matched:            matched.append(indexB)            personB = dfB.index[indexB]            pairs.append([personA, personB])            breakmatches = pd.DataFrame(pairs, columns=['SetA', 'SetB'])

生成的数据框如下所示：

       SetA      SetB0  personA0  personB01  personA1  personB12  personA2  personB23  personA3  personB3

请注意，我使用了默认的度量标准（minkowski，p=2）。如果您将metric=my_dist传递给NearestNeighbors，结果可能会有所不同。