R语言中寻找最近点的嵌套for循环高效优化方案咨询

原实现的性能瓶颈为逐行迭代计算距离，每次调用dist()伴随额外的rbind()开销，未利用向量化运算和底层编译优化，以下为不同场景的优化方案：

方案1：使用FNN包（最高效，推荐） #

FNN包的KNN实现底层为C语言，无需生成完整距离矩阵，运算速度是纯R实现的百倍以上，代码极简：

# 安装包（首次使用执行）
install.packages("FNN")
# 加载包
library(FNN)
# 直接计算最近邻，k=1代表取距离最近的1个样本
tarU_y <- src_y[knnx.index(data = src_x, query = tarU_x, k = 1)]

• 优势：运算速度最快、内存占用极低，128特征、万级样本的匹配耗时通常在毫秒级。

方案2：纯R向量化实现（无需第三方包） #

如果不想安装额外包，可以直接通过矩阵运算一次性生成距离矩阵，避免逐行迭代：

n_tar <- nrow(tarU_x)
n_src <- nrow(src_x)
# 合并两个矩阵后计算全距离矩阵，提取跨矩阵的距离部分
all_dist <- as.matrix(dist(rbind(tarU_x, src_x)))
cross_dist <- all_dist[1:n_tar, (n_tar+1):(n_tar+n_src)]
# 取每行最小距离对应的标签
tarU_y <- src_y[apply(cross_dist, 1, which.min)]

• 注意：如果两个矩阵的行数合计超过10万，全距离矩阵会占用大量内存，更推荐方案1。

方案3：自定义距离场景优化 #

如果需要使用欧氏距离之外的自定义距离度量，可以使用proxy包的并行距离计算能力：

# 安装包（首次使用执行）
install.packages("proxy")
# 加载包
library(proxy)
# 支持自定义method参数，也可开启并行计算
dist_mat <- proxy::dist(x = tarU_x, y = src_x, method = "euclidean", parallel = TRUE)
tarU_y <- src_y[apply(dist_mat, 1, which.min)]

内容的提问来源于stack exchange，提问作者Casti