Python 2.7 numpy 2D矩阵-在这种情况下如何提高性能？

我开始知道，对于一个非常大的矩阵，numpy对于单个元素的访问速度很慢。代码的以下部分运行大约需要7-8分钟。矩阵的大小约为3000*3000

import numpy as np
................
................
ArrayLength=len(Coordinates)
AdjMatrix=np.zeros((len(Angles),len(Angles)))
for x in range(0, Arraylength):
    for y in range(x+1, Arraylength-x):
        distance=Distance(Coordinates[x],Coordinates[y)
            if(distance<=radius)
                AdjMatrix[x][y]=distance
                AdjMatrix[y][x]=distance

---

顺便说一下，我把坐标作为元组传递。。如p[0]=x坐标和p[1]=y坐标

您可以发布

Distance（）

函数吗？如果是公共函数，

scipy.space.distance.cdist

可以非常快速地计算距离矩阵：

编辑：

您可以使用

pdist

事实上，这里有一个示例：

from scipy.spatial.distance import pdist, squareform
coordinates = [(0.0, 0), (1.0, 2.0), (-1.0, 0.5), (3.1, 2.1)]
dist = squareform(pdist(coordinates))
print dist

输出：

[[ 0.          2.23606798  1.11803399  3.74432905]
 [ 2.23606798  0.          2.5         2.1023796 ]
 [ 1.11803399  2.5         0.          4.40113622]
 [ 3.74432905  2.1023796   4.40113622  0.        ]]

[[ 0.          2.23606798  1.11803399  0.        ]
 [ 2.23606798  0.          2.5         2.1023796 ]
 [ 1.11803399  2.5         0.          0.        ]
 [ 0.          2.1023796   0.          0.        ]]

如果要屏蔽某些数据，请执行以下操作：

dist[dist > 3.0] = 0
print dist

输出：

[[ 0.          2.23606798  1.11803399  3.74432905]
 [ 2.23606798  0.          2.5         2.1023796 ]
 [ 1.11803399  2.5         0.          4.40113622]
 [ 3.74432905  2.1023796   4.40113622  0.        ]]

[[ 0.          2.23606798  1.11803399  0.        ]
 [ 2.23606798  0.          2.5         2.1023796 ]
 [ 1.11803399  2.5         0.          0.        ]
 [ 0.          2.1023796   0.          0.        ]]

---

您可以将其与

AdjMatrix[AdjMatrix>=radius]=0组合，以复制上述代码，而不使用Python循环。我已编辑了我的问题。请查看@请你详细说明一下好吗？我很抱歉。。我对python不太熟悉