AnnoyIndex(f, metric=‘angular‘) 初始化新的索引树，元素向量维度为f. Metric 可以是 “angular”, “euclidean”, “manhattan”, “hamming”, or “dot”.a.add_item(i, v) 添加向量元素v到索引树，其中，i应该为非负整数a.build(n_trees) 建立索引树，n_trees表示所建树的个数。树的个数更多，则精度更高，但也要考虑到效率，建立索引树比较耗费时间，一般n_trees=100均能满足精度要求a.save(fn, prefault=False) 保存模型到磁盘上fn表示文件路径a.load(fn, prefault=False)下来模型进行计算，loads (mmaps) an index from disk. If prefault is set to True, it will pre-read the entire file into memory (using mmap with MAP_POPULATE). Default is False.a.get_nns_by_item(i, n, search_k=-1, include_distances=False)使用item索引号进行计算,i表示item索引号， n表示计算要得到的最近邻的item个数a.get_item_vector(i):返回之前添加的item索引号i所对应的向量a.get_n_items() 返回整个索引树中item的数量a.get_n_trees() 返回整个索引树中树的个数a.get_nns_by_vector(v, n, search_k=-1, include_distances=False) 使用item向量v进行计算a.on_disk_build(fn)将索引树建立到具体文件上，这样建立完树后就不用手动保存原文：https://www.cnblogs.com/Cate-Hunter/p/13405941.html