您不需要在每次调用condensed_to_square_index时计算ti。这里有一个基本的修改，只计算一次：

import numpy as np
import random
import sklearn.metrics.pairwise
import scipy.spatial.distance

N = 100
r = np.array([random.randrange(1, 1000) for _ in range(0, 1000)])
c = r[:, None]

dists = scipy.spatial.distance.pdist(c, 'cityblock')

# these are the indices of the closest N observations
closest = dists.argsort()[:N]

# but it's really slow to get out the pairs of observations
def condensed_to_square_index(ti, c):
    return ti[0][c]+ 1, ti[1][c]+ 1

r = []
n = np.ceil(np.sqrt(2* len(dists)))
ti = np.triu_indices(n, 1)

for i in closest:
    pair = condensed_to_square_index(ti, i)
    r.append(pair)

字符串
您还可以矢量化r的创建：

r  = zip(ti[0][closest] + 1, ti[1][closest] + 1)

型
或者是

r = np.vstack(ti)[:, closest] + 1

型

如果使用numpy 1.8和np.partition，可以显著加快最小值的定位速度：

def smallest_n(a, n):
    return np.sort(np.partition(a, n)[:n])

def argsmallest_n(a, n):
    ret = np.argpartition(a, n)[:n]
    b = np.take(a, ret)
    return np.take(ret, np.argsort(b))

dists = np.random.rand(1000*999//2) # a pdist array

In [3]: np.all(argsmallest_n(dists, 100) == np.argsort(dists)[:100])
Out[3]: True

In [4]: %timeit np.argsort(dists)[:100]
10 loops, best of 3: 73.5 ms per loop

In [5]: %timeit argsmallest_n(dists, 100)
100 loops, best of 3: 5.44 ms per loop

字符串
一旦你有了最小的索引，你就不需要一个循环来提取索引，只需一次：

closest = argsmallest_n(dists, 100)
tu = np.triu_indices(1000, 1)
pairs = np.column_stack((np.take(tu[0], closest),
                         np.take(tu[1], closest))) + 1

型

最佳解决方案可能无法生成所有距离。
提案：
1.创建一个最大大小为100的堆（如果堆变大，请将其减小）。
1.使用“最近对”算法查找最近对。
1.将对添加到堆（优先级队列）。
1.从那对中选一个。将其99个最近的邻居添加到堆中。
1.从列表中删除所选点。
1.找到下一个最接近的配对，然后重复。添加的相邻点的数量为100减去运行“最接近对”算法的次数。

您可以使用pandas DataFrame。首先，您将相似性矩阵（例如使用sklearn中的pairwise_distances（））声明为DataFrame，添加源数据中的列名和索引名。然后按名称选择任何列（这是您感兴趣的列），然后使用pandas.DataFrame.sort_values（），然后选择top5或top10。就是这样