如何改进While循环实现Sklearn最近邻坐标遍历与去重？

原循环的核心问题 #

• new_example一直用loc当经纬度值，根本没读取数据集里的实际坐标，完全没达到遍历目标
• for i in df是遍历DataFrame的列名，不是遍历行，逻辑完全错了
• 每次循环直接覆盖结果变量，没累积生成完整路径
• 完全没做「过滤已识别位置」的逻辑

改进后的实现代码 #

from sklearn.neighbors import NearestNeighbors
import pandas as pd

# 初始化最近邻模型（注意haversine要求坐标是弧度制，必须先转换）
nn = NearestNeighbors(metric="haversine")
# 把经纬度转成弧度后再拟合模型
df[['lat_rad', 'long_rad']] = df[['lat', 'long']].apply(pd.to_numeric).apply(lambda x: x * 3.1415926 / 180)
nn.fit(df[["lat_rad", "long_rad"]])

# 初始化路径列表、已访问点的索引集合
route = []
visited = set()
# 从第一个点开始遍历（也可以自己指定起始点）
current_idx = 0

# 循环直到所有点都被访问过
while len(visited) < len(df):
    # 标记当前点为已访问
    visited.add(current_idx)
    route.append(df.iloc[current_idx])
    
    # 获取当前点的弧度坐标
    current_point = df[["lat_rad", "long_rad"]].iloc[[current_idx]]
    # 搜索所有点的最近邻（数量设为总点数，确保能找到未访问的）
    distances, indices = nn.kneighbors(current_point, n_neighbors=len(df))
    
    # 找到第一个没被访问过的最近邻，作为下一个目标点
    for idx in indices[0]:
        if idx not in visited:
            current_idx = idx
            break

# 把路径转成DataFrame，同时过滤重复位置（基于经纬度去重）
route_df = pd.DataFrame(route).drop_duplicates(subset=['lat', 'long'], keep='first')

# 输出最终路径
print(route_df)

关键改进点说明 #

• 弧度转换：haversine距离公式要求输入是弧度制坐标，不转换的话距离计算完全错误
• 正确遍历逻辑：通过追踪当前点索引，循环寻找未访问的最近邻，逐步生成完整路径
• 已访问过滤：用集合visited记录已经处理过的点索引，避免重复访问
• 路径累积：用列表route逐步添加每个点，最后合并成DataFrame
• 去重处理：通过drop_duplicates根据经纬度过滤掉重复的位置

内容的提问来源于stack exchange，提问作者Milo