假设您有两个现有词典A和B
如果您已经分别从词典A和B选择了值A1 = 1.0和B1 = 2.0的前两个项目，那么有没有办法找到任何两个不同的现有项目词典A和B中的每个词都有不同的值（即A2和B2来自A1和B1，并且还会最小化值(A2-A1)**2 + (B2-B1)**2？
字典中的项目数不固定，可能超过100,000。
修改 - 这很重要：A和B的密钥相同，但与A和B中的密钥对应的值不同。密钥的特定选择将产生与任何其他可能的订单对（A2，B2）不同的有序对（A1，B1） - 不同的密钥具有不同的订单对。例如，A和B都有密钥3,4，这将为dict 1.0和A生成2.0的值B。然后将该一个密钥与可能的每个其他密钥进行比较，以找到另一个有序对（即A和B中的项的密钥和值），以最小化它们之间的平方差。
答案 0 :(得分：2)
您需要一个专门的数据结构，而不是标准的Python字典。查找四叉树或kd树。您实际上是最小化两点之间的欧几里德距离（您的目标函数只是远离欧几里德距离的平方根，而您的字典A存储x坐标，B坐标。）。计算几何人已经研究了多年。
好吧，也许我误读了你的问题并使它变得更难。您是说可以从A中选择任何值，而从B中选择任何值，无论它们的键是否相同？例如，A的选择可能是K：V（3,4）：2.0，B的选择可能是（5,6）：3.0？或者它必须是（3,4）：来自A和（3,4）的2.0：来自B的6.0？如果是前者，问题很简单：只需运行A中的值并找到最接近A1的值;然后运行B中的值并找到最接近B1的值。如果是后者，我的第一段是正确答案。
你的评论说，更难的问题是你要解决的问题，所以这里还有一点。 Sedgewick的幻灯片解释了静态网格，2d树和四叉树的工作原理。 http://algs4.cs.princeton.edu/lectures/99GeometricSearch.pdf。幻灯片15到29主要解释了2d树，27到29覆盖了最近邻问题的解决方案。由于您具有约束，即算法找到的点必须与查询点不共享x坐标和y坐标，您可能必须自己实现算法或修改现有实现。一种替代策略是使用kNN数据结构（k个最近邻居，而不是单个最近邻居），用k进行实验，并希望您选择的k总是足够大，以找到至少一个满足约束条件的邻居。