用numpy计算距离矩阵的更快方法？

【问题标题】：Faster way of calculating a distance matrix with numpy?用numpy计算距离矩阵的更快方法？
【发布时间】：2016-01-27 15:50:39
【问题描述】：

我正在用 numpy/scipy 计算一个矩阵，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？

【问题讨论】：

标签： python numpy matrix scipy

【解决方案1】：

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

在你的情况下：

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

应该做你想做的。

【讨论】：

完美，这就是我想要的。谢谢。