你不能。

根据定义，该算法需要 O(n²) 内存和 O(n³) 运行时间。

这不适用于大数据。

使用不同的算法。或对您的数据进行二次抽样。

结果不一定会因为您使用更多数据而变得更好。在许多情况下，这真的无关紧要。估计均值的质量随着 sqrt(n) 的增长而增长，因此使用更多数据很快不会得到回报，因为这只会影响结果的小数字。

如果您的数据（至少在某种程度上）呈正态分布，那么记录的子样本应该是非常好的。

# To get 3 random rows 
# each time it gives 3 different rows 
# df.sample(3) or 
df.sample(n = 3) 


# Fraction of rows 
# here you get .50 % of the rows 
df.sample(frac = 0.5) 

不要浪费你的时间。获取一个小样本并以此为基础。