我有一个非常简单的python例程，其中涉及循环遍历大约20,000个纬度，经度坐标的列表，并计算每个点到参考点的距离。

def compute_nearest_points( lat, lon, nPoints=5 ):
    """Find the nearest N points, given the input coordinates."""

    points = session.query(PointIndex).all()
    oldNearest = []
    newNearest = []
    for n in xrange(nPoints):
        oldNearest.append(PointDistance(None,None,None,99999.0,99999.0))
        newNearest.append(obj2)

    #This is almost certainly an inappropriate use of deepcopy
    #  but how SHOULD I be doing this?!?!
    for point in points:
        distance = compute_spherical_law_of_cosines( lat, lon, point.avg_lat, point.avg_lon )
        k = 0
        for p in oldNearest:
            if distance < p.distance:
                newNearest[k] = PointDistance(
                    point.point, point.kana, point.english, point.avg_lat, point.avg_lon, distance=distance
                    )
                break
            else:
                newNearest[k] = deepcopy(oldNearest[k])
            k += 1
        for j in range(k,nPoints-1):
            newNearest[j+1] = deepcopy(oldNearest[j])
        oldNearest = deepcopy(newNearest)

    #We're done, now print the result
    for point in oldNearest:
        print point.station, point.english, point.distance

    return

我最初使用完全相同的方法在C中编写了此代码，并且在那儿工作得很好，并且对于nPoints <=
100基本上是瞬时的。所以我决定将其移植到python，因为我想使用SqlAlchemy来做其他事情。

我首先移植了它，但没有现在可以使用该方法的deepcopy语句，这导致结果“奇数”或部分不正确，因为某些要点只是被复制为引用（我猜？我想吗？）-但是它仍然几乎与C版本一样快。

现在添加了deepcopy调用后，该例程可以正确执行其工作，但是却造成了极大的性能损失，并且现在需要几秒钟来完成相同的工作。

这似乎是一项很普通的工作，但是我显然不是以pythonic的方式来做。我应该如何做才能使我仍然获得正确的结果，而不必到处都包含Deepcopy？

编辑：
我已经找到了一个更简单，更快速的解决方案，

def compute_nearest_points2( lat, lon, nPoints=5 ):
    """Find the nearest N points, given the input coordinates."""

    points = session.query(PointIndex).all()
    nearest = []

    for point in points:
        distance = compute_spherical_law_of_cosines( lat, lon, point.avg_lat, point.avg_lon )
        nearest.append( 
            PointDistance(
                point.point, point.kana, point.english, point.avg_lat, point.avg_lon, distance=distance
                )
            )

    nearest_points = sorted(nearest, key=lambda point: point.distance)[:nPoints]     
    for item in nearest_points:
        print item.point, item.english, item.distance
    return

因此，基本上，我只是复制输入内容并附加一个新值-
距参考点的距离。然后，我仅将“已排序”应用于结果列表，并指定排序键应为PointDistance对象的distance属性。

尽管我承认我不太了解为什么，但这比使用Deepcopy快得多。我想这取决于有效的C实现python的“排序”吗？