R语言实现可自定义邻居数的欧氏距离最近邻算法（排除自身）

你的代码核心问题在于排除样本自身的逻辑不够稳健，下面直接给你修正后的代码，并解释关键改动：

修正后的完整代码 #

data(iris)

iris_subset <- iris[, c("Sepal.Length", "Sepal.Width", "Petal.Length")]

find_closest_species <- function(flower_row, all_data, row_index, num_closest = 1) {
  # 计算欧氏距离
  distances <- sqrt(rowSums((t(t(all_data) - flower_row))^2))
  # 将当前样本自身的距离设为无穷大，确保排序后不会被选中
  distances[row_index] <- Inf
  # 按距离排序并获取索引
  sorted_distances <- sort(distances, index.return = TRUE)
  # 直接取前num_closest个索引，无需额外过滤
  closest_indices <- sorted_distances$ix[1:num_closest]
  
  iris$Species[closest_indices]
}

# 应用函数到每一行，保留邻居数量的灵活性
iris$closest_species <- apply(iris_subset, 1, function(row, idx) {
  paste(find_closest_species(row, iris_subset, idx, num_closest = 1), collapse = ", ")
}, idx = seq_len(nrow(iris)))

关键改动说明 #

• 排除自身样本：在计算完所有距离后，把当前行对应的距离设为Inf（无穷大），这样排序时它会被放到最后，彻底避免被选为最近邻，比原代码的索引过滤更稳健，不会出现边界情况（比如当num_closest设置较大时，过滤后索引不足的问题）。
• 保留邻居数量灵活性：函数参数num_closest默认值为1，你可以在调用时随意修改这个值（比如num_closest = 3），就能获取对应数量的最近邻物种，完全保留了灵活性。

验证示例 #

比如你想获取每个样本的3个最近邻，只需要修改apply里的参数：

iris$closest_species <- apply(iris_subset, 1, function(row, idx) {
  paste(find_closest_species(row, iris_subset, idx, num_closest = 3), collapse = ", ")
}, idx = seq_len(nrow(iris)))

这样就能得到每个样本的3个最近邻物种，且不会包含自身。

内容的提问来源于stack exchange，提问作者Amc