问题标签 [euclidean-algorithm]

这是我在网上找到的当前扩展欧几里得算法：

这是一个例子：

这是我希望它返回的内容：

所以添加所有的“步骤”。

提前致谢。

• 我有一个包含 200 万个条目的 Pandas DataFrame
• 每个条目是 100 维空间中的一个点

• 我想计算最后 N 个点与所有其他点之间的欧几里得距离以找到最近的邻居（为了简化，假设为最后 5 个点找到 top#1 最近的邻居）
• 我已经为一个小数据集完成了下面的代码，但是它相当慢，我正在寻找改进的想法（尤其是速度改进！）

逻辑如下：

• 在我们想要找到最近邻居的 目标之间拆分数据帧并进行比较：我们将在其中寻找邻居的所有其他目标
• 遍历目标
• 计算每个 df_compare 点 VS 目标的平方欧几里得距离
• 选择比较 df 的 top#1 值并将其 ID 保存在目标数据框中

欢迎任何改进逻辑或代码的建议！干杯

我需要为多项式实现一个扩展的欧几里得算法，以获得 Bézout 恒等式的系数。问题是我正在努力正确实现这样的功能。我找到了一些代码示例，这些示例显示了解决方案，但适用于 N 个数字（int）。在我的项目中，我正在使用自己的多项式类，并且这种自定义类型已经具有经过良好测试的基本运算，例如 +、-、*。每个执行的操作都是在多项式类（例如 F3）中指定的某个有限域上进行的，并且模算术已经实现并应用于程序的各个方面。

所以考虑你有以下几点：

多项式（类型），具有所有基本运算。

我的问题是如何有效地转换方法gcdExtended <- 从此页面上的一个，它将我的多项式类作为参数而不是 int 类型。

我正在寻找解决方案的好方法，但我不确定线路：

和

第一个代码被剪断是否b % a意味着我应该进行欧几里得算法的第一次迭代并返回余数？b / a第二个是什么意思？

这不应该那么复杂，但我想我已经盯着这个项目 2 很长时间了，现在我被这个简单的事情冻结了。

返回的 Ofcx & b必须是 type Polynomial <=> ax+by = gcd(a,b)。