Python 计算点间欧氏距离时的内存错误

我想找到DBSCAN的eps。 我有一组点，需要计算从每个点到另一点的距离。如果形状数组为（2267436，2），则找到near和minpoint。 以下是我的数据：

xy= [[  177963.16728699  2506663.75713195]
 [  176147.50406716  2502422.34894945]
 [  178480.33178874  2507299.83467826]
 ..., 
 [  231205.88139267  2684014.30324774]
 [  231207.81085397  2684014.52219471]
 [  231214.870296    2684054.8263628 ]]

我正在尝试以下方法：

dist = scipy.spatial.distance.cdist(xy, xy,'euclidean')

或

或

我得到了所有人的回忆。

---

有什么办法可以解决这个问题吗？

通过一些非常简单的数学运算，你可以发现你不能在内存中存储所有的O（n²）距离

如果一次只计算一个点的距离，就可以了

此外，尝试使用索引将运行时间从O（n²）减少到可管理的范围

---

或者使用更现代的算法，如光学。

有2267436个选择2=2570631873330（超过2.5万亿）个不同的点对，一个简单的距离矩阵将有超过5万亿个条目。也许你应该重新考虑一下你的算法。@FenilPatel请再读一遍这个问题，重新考虑一下“knear”是否真的是一个拼写错误，或者它是否指的是。如果在编辑之后你仍然不理解一个人的意思，首先不要编辑。是的！如果我只计算一个点，就可以了！但这是我的论文，我必须弄清楚，现在我使用arcmap工具，如点距离和近距离，这将需要很多时间，但不会得到记忆错误，也许当我起床时，它会好起来！无论如何，谢谢！

np.sqrt((np.square(npxy[:,np.newaxis]-npxy).sum(axis=2)))

dist=scipy.spatial.distance.pdist(npxy)
d_matrix = scipy.spatial.distance.squareform(dist)