在Python中加速列表处理

我有两个列表

list1

和

list2

，每个列表的大小都是5000，每个列表条目都是

numpy.array

。我想以快速有效的方式计算列表元素之间的欧几里德距离的平方，也就是说，我需要为I和j的每个组合计算

和（（list1[I]-list2[j]）**2）

，因此总共是2500000个组合。目前，我通过运行一个双循环并通过

result[i,j] = sum((list1[i]-list2[j])**2) 

但在我的电脑上仍然需要大约4分钟的时间。我在想，是否可以用一些技巧来进一步加快计算速度

如果您坚持numpy（假设您的内部阵列为1-D）：

请注意，根据您对距离的定义，这是欧几里得距离的平方。如果需要距离本身，只需取其平方根即可。
否则，我更喜欢@Quang的评论：

from scipy.spatial import distance_matrix
dist_mat = distance_matrix(list1, list2)

---

i与j的距离与j与i的距离相同。通过使用从外部索引开始的内部循环，可以缩短一半的时间为什么有数组列表？使用2D数组和类似的东西时，速度会快得多。

来自scipy.spatial import distance_matrix；距离矩阵=距离矩阵（列表1，列表2）

？组件阵列的形状是否都相同？所有1d？如果每个列表中的所有数组都是相同的形状，那么一个简单的广播应该可以做到这一点。非常感谢，这些都是来自每个人的非常好的响应！特别是scipy函数，可以将距离矩阵的计算速度提高很多倍。@Steve欢迎您。很高兴这有帮助。请查看如何接受答案，并欢迎访问SO。

from scipy.spatial import distance_matrix
dist_mat = distance_matrix(list1, list2)