Python scipy cdist（）是否有效？

我查看了这个函数的实现，我看到它只是使用循环。我只对

euclidean/sqeuclidean

选项感兴趣。
正如您在本文中所看到的：，这个函数的输出可以通过矩阵乘法来完成，这对我来说似乎比循环更有效

有人能帮我澄清这个问题吗

以下是实现结果输出的c代码：

for (i = 0; i < mA; i++) {
    for (j = 0; j < mB; j++, dm++) {
        u = XA + (n * i);
        v = XB + (n * j);
        *dm = seuclidean_distance(var, u, v, n);
    }
}

（i=0；i{ 对于（j=0；j再看一次：只有当度量是用户提供的可调用度量时（在这种情况下，唯一可能的实现是循环），才适用于循环，而不是当它是欧几里德度量之一的已知度量时。@pv谢谢，我现在就检查一下。最终答案可能是它仍然适用于循环，但是用C写的。数值稳定性是一个很好的理由，不按照你链接的文章所建议的方式做事，原因类似于为什么不使用计算方差；b=1e15，现在计算

（a-b）**2和
a**2+b**2-2*a*b
。惊讶您刚刚看到（缺乏）工作中的数值稳定性。因此，除非您确定这种类型的问题不会发生在您的数据集中，否则最好牺牲性能来获得正确性。