Python 用最接近的numpy数组/数据帧替换每条记录

因此，情况是：

我有两个numpy 2d数组/数据帧（不管我将使用什么）。每个数组/数据帧包含大约106条记录。每条记录是一行，包含10个浮点数

我需要用第一个表中的行替换第二个数组（dataframe）中的每一行，与之相比，第一个表的MSE最小。我可以很容易地使用“for”循环，但它听起来慢得可怕。有没有我看不到的漂亮的numpy/pandas解决方案

附言 例如：

arr1： [1,2,3]，[4,5,6]，[7,8,9]]

arr2:[9,10,11]，[3,2,1]，[5,5,5]]

结果应该是：[[7,8,9]，[1,2,3]，[4,5,6]]

---

在本例中，每条记录中有3个数字，总共有3条记录。我在每条记录中都有10个数字，使用最近邻法总共大约有1000000条记录应该可以在这里使用，特别是如果你想减少计算时间的话

我将给出一个使用的简单示例，尽管可能有更有效的方法

将numpy导入为np
从sklearn.neights导入近邻
#示例数据
X=np.random.randint（1000，大小=（10000，10））
Y=np.random.randint（1000，大小=（10000，10））
def映射到最近的（源，查询）：
邻居=最近的邻居（）.fit（源）
索引=邻居.kneighbors（查询，1，返回距离=False）
返回查询[index.ravel（）]
结果=映射到最近的（X，Y）

---

我注意到这是计算欧几里德距离，而不是MSE。这对于找到最接近的匹配应该很好，因为MSE是欧几里德距离的平方。

你能给我们一些测试数据和你所做的任何尝试吗？@DerekEden，好了。尝试…唯一简单的解决方案是计算第二个表中每条记录的MSE。好的，对我来说是非常好的解决方案。我期望不太具体的解决方案，稍后尝试不同的指标，但现在就可以了