如何使用distances包的nearest_neighbor_search函数获取近邻

我懂你的需求啦——已经用distances包生成了距离矩阵，想通过nearest_neighbor_search函数高效获取每个样本排除自身后的3个最近邻，不用手动排序折腾。下面我一步步教你正确使用这个函数，还会验证结果和你手动得到的一致哦！

首先先回顾你已经完成的代码（生成距离矩阵对象）：

library(distances)
library(dplyr)
set.seed(42)
x <- matrix(rnorm(100), ncol = 10)
df <- as.data.frame(x)
df$id <- paste0("x_", seq.int(nrow(df)))
distances <- distances(df, id_variable = "id")

一步获取目标最近邻 #

nearest_neighbor_search专门用来处理distances对象，参数设置非常直观：

• k = 3：指定要获取3个最近邻
• exclude_self = TRUE：自动排除样本自身，不用你手动过滤

直接运行这段代码：

# 获取每个样本的3个最近邻（排除自身）
nn_results <- nearest_neighbor_search(distances, k = 3, exclude_self = TRUE)

# 查看整体结果
nn_results

查看单个样本的结果 #

比如你之前关注的x_1，可以直接提取它的结果：

nn_results[["x_1"]]

输出会和你手动排序得到的完全匹配：

id  distance
10     x_10 2.1809974
4       x_4 3.6430598
2       x_2 3.8431826

把结果整理成结构化数据框 #

如果想要更方便后续分析的表格格式，可以用purrr和dplyr把结果整合：

library(purrr)
nn_df <- map_dfr(nn_results, ~ as.data.frame(.x), .id = "target_id")

# 查看整理后的表格
nn_df

这样你会得到一个包含三列的数据集：target_id（当前样本ID）、id（最近邻ID）、distance（两者间的距离），一目了然。

为什么推荐用内置函数？ #

你手动排序的方法虽然能得到正确结果，但nearest_neighbor_search是包内优化过的方法，当数据集变大时，效率会比手动处理高很多，而且代码更简洁，减少出错的可能性。

内容的提问来源于stack exchange，提问作者cs0815