我正在使用scikit-learn的kdtree来处理一个非常大的数据集。
我可以让kdtree在合理的时间内完成查询（在我的机器上20分钟），但我不能在不到1小时的任何时间内将索引Map到它们所表示的值（我在1小时后停止等待）。
我加载了2个csv文件（train.csv有29 M条记录，test.csv有8 M条记录）。我对3个键感兴趣。'x'，'y'是浮点数，'placeid'是字符串。

from sklearn.neighbors import KDTree
import pandas as pd

train = pd.read_csv("train.csv")
test = pd.read.csv("test.csv")

tree = KDTree(train[['x','y']])
_, indexes = tree.query(test[['x','y']],k=30)

# takes 20 minutes to get here.  Here is the code that takes more than an hour

result = [[train.iloc[idx].place_id for idx in idx_set] for idx_set in indexes]

有没有更快的方法呢？我的目标是将所有从KDTree返回的索引Map到place_ids。