Python 嵌套循环或函数应用程序

我有2组纬度/经度坐标，共4个阵列。我的目标是找出一组（airbnb_coord）和第二组（station_coord）中最近成员之间的距离。我已经编写了一个嵌套for循环来实现这一点

shortest_distance = make_array()
for air_lat, air_long in zip(airbnb_coord[0],airbnb_coord[1]):
    for stat_lat, stat_long in zip(station_coord[0],station_coord[1]):
        distances = make_array()
        distances = np.append(distances, np.sqrt(((air_lat-stat_lat)**2)+((air_long-stat_long)**2)))
        shortest_distance = np.append(shortest_distance, min(distances))

问题是，airbnb_coord有40000长，station_coord有500长。这已经运行了一个多小时了

---

谁能告诉我有没有更好的办法？我在函数应用方面很弱，但我相信有一种策略可以使用这种方法。

如果不计算每次迭代中的最小距离，可以显著缩短时间

shortest_distance = make_array()
for air_lat, air_long in zip(airbnb_coord[0],airbnb_coord[1]):
    min_distance = np.sqrt(((air_lat-station_coord[0][0])**2)+((air_long-station_coord[0][0])**2))
    for stat_lat, stat_long in zip(station_coord[0], station_coord[1]):
        distance = np.sqrt(((air_lat-stat_lat)**2)+((air_long-stat_long)**2))
        if distance < min_distance:
            min_distance = distance

    shortest_distance = np.append(shortest_distance, min_distance)

shortest_distance=make_array（）
对于air_lat，air_long in zip（airbnb_coord[0]，airbnb_coord[1]）：
最小距离=np.sqrt（（（空中站合作[0][0]）**2+（（空中站合作[0][0]）**2））
对于stat_lat，stat_long in zip（station_coord[0]，station_coord[1]）：
距离=np.sqrt（（空气横向-横向）**2）+（空气纵向-纵向）**2））
如果距离小于最小距离：
最小距离=距离
最短距离=np.append（最短距离，最小距离）

请向我们展示一个坐标小样本的输入和（预期）输出。这是您需要多次运行的吗？如果不是，像这样的未优化程序就可以了。不管需要多长时间，都让它运行。（尽管我确实建议使用类似于

tqdm

的方法，以便您了解其进度和预期完成时间）。如果您需要多次运行它，那么您需要对其进行优化。我没有这方面的经验，但我看过这段视频，它与这个主题非常相关。虽然不是用python编写的，但是原理是一样的。所以，考虑到所有AirBnB到station对，您想要最短的？这看起来像是上的一个二分变体，通常有次二次算法。作为二分体，可能有一种更有效的算法。凭直觉，如果AirBnB-A在AirBnB-B和Station-A之间，那么AirBnB-B/Station-A就不是答案。在每个Station周围创建一个voronoi图怎么样。然后，距离每个airbnb最近的车站将是其所在的voronoi形状。