python - 使用 numpy 计算距离矩阵的更快方法？

Question

我正在使用 numpy/scipy 计算矩阵，如下所示:

cost = np.empty([chroma1.data.shape[1], chroma2.data.shape[1]])

for x, cx in enumerate(chroma1.transpose()):
    for y, cy in enumerate(chroma2.transpose()):
        cost[x, y] = sp.distance.euclidean(cx, cy)

这需要相当长的时间。是否有任何 numpy/scipy 函数可以让我摆脱两个嵌套循环？

Answer 1

看起来您正在计算距离矩阵。 scipy.spatial.distance 包含几个专门的、优化的函数来实现这一点。

就您而言:

cost = scipy.spatial.distance.cdist(chroma1.T, chroma2.T)

应该完全按照你的意愿去做。