Python 高效快速的二维阵列函数调用

我有一个2d numpy对象数组：

a

和一个numpy值数组：

l

（nx2数组）

2d numpy对象数组中的每个元素都有两个值，例如[ax1，ay1]，对于

l

，也有类似的值

我调用自己的距离函数，计算l的第一个元素与A中的每个元素之间的距离，然后取最小距离。循环如下所示：

for r in range(A.shape[0]):
    for s in range(A.shape[1]):
        lencent = l.shape[0]
        dist = []
        for p in range(lencent):
             dist.append(distancefunction(A[r,s],A[r,s],l[p,0],l[p,1]))
        #print dist
        val = np.min(dist)
        #print val
        tempimg[r,s] = val

---

但是，当numpy数组A较大或l较大，或两者都较大时，这需要花费大量时间。是否有任何pythonic方法来优化此循环的性能？

使用NumPy（如果可能）使此双循环更快，很可能需要查看

距离函数的定义。计算W2 distance（）是一个复杂的函数NumPy对象数组比NumPy浮点数组慢。它们甚至可能比Python列表还要慢。Python循环通常比等价的NumPy函数调用慢。在上面的例子中，您只在一个地方使用了NumPy:
np.min
。为了使用NumPy获得更好的性能，您需要将更多的工作卸载到NumPy函数调用。由于在您发布的代码中没有太多这样做的机会，因此唯一可以改进的地方是重写
distance function
，以接受
A
和
l
作为输入，并返回结果数组，而不是一次只返回一个数字；您可以提供distancefunction代码，因此如果可能，我们可以建议其基于numpy的计算，或者其他改进。这是提高性能的唯一可能。正如评论所建议的，我将放弃这个问题并发布一个新问题。发布
distance函数
，询问如何使其针对numpy进行优化。如果它涉及阵列操作（以及查找和def，当然可能），您会注意到一个很大的加速。