Python 有没有办法加快这些嵌套循环（拉普拉斯式）的速度？

我正在尝试加速我的函数图中的嵌套循环

我的函数是拉普拉斯函数（Abel），因为它需要为矩阵的每个单元计算一行一列的范数

abel=lambda x，y，t，p:np.exp（-np.abs（p）*np.linalg.norm（x-y））

通过将指数部分从abel方程中去掉，我可以稍微加快函数的速度，然后我将它应用于整个矩阵

abel_2=lambda x，y，t，p:np.linalg.norm（x-y）（不要介意t和p）

时间减少了50%，但是，我相信双循环（嵌套）仍然是一个主要问题。 有人能帮忙吗？

---

谢谢大家!

基本上，不必一个接一个地通过循环从

Y[j:]

中减去

X[i，：]

，只需选择

X[i，：]

并从所有Y中减去它，然后在某个轴上应用范数，就可以节省大量时间

在我的例子中，它是

axis=1

def Gram_10(X,Y,function,t,p):
    n = X.shape[0]
    s = Y.shape[0]
    K = np.zeros((n,s))
    if function==abel_2:
        for i in range(n):
# it is important to put the correct slice (:s) , so the matrix provided by the norm goes
# to the right place in the function 
                K[i,:s] = np.linalg.norm(X[i,:]-Y,axis=1)
        K = np.exp(-abs(p)*K)
    else:
        K = polynomial(X,Y,t,p)
    return K

def Gram_2(X,Y,function,t,p):
    n = X.shape[0]
    s = Y.shape[0]
    K = np.zeros((n,s))
    if function==abel_2:
        for i in range(n):
            for j in range(s):
                K[i,j] = abel_2(X[i,:],Y[j,:],0,0)
        K = np.exp(-abs(p)*K)
    else:
        K = polynomial(X,Y,t,p)
    return K

def Gram_10(X,Y,function,t,p):
    n = X.shape[0]
    s = Y.shape[0]
    K = np.zeros((n,s))
    if function==abel_2:
        for i in range(n):
# it is important to put the correct slice (:s) , so the matrix provided by the norm goes
# to the right place in the function 
                K[i,:s] = np.linalg.norm(X[i,:]-Y,axis=1)
        K = np.exp(-abs(p)*K)
    else:
        K = polynomial(X,Y,t,p)
    return K