本文系统阐述了 Python 中混合属性数据的邻近性度量问题，指出在同时包含数值型与分类型特征的场景下，合理的相似性或距离定义比算法选择更为关键。文章重点分析了 Gower 系数、编码后距离与基于模型的相似度三类方法，并结合 Python 数据科学生态讨论了实现思路与应用经验，最后对未来数据驱动型邻近性度量的发展趋势进行了预测。