Python numpy快速数组计算到二维数组（矩阵）

我有一个用例，其中我有一组数千个坐标，我想将它们矢量化，并将它们转换为距离。我想这样做，我最终得到一个二维数组，实际上是一个矩阵，也就是nxn，给我输入点之间的范数。我知道在对角线上会有一堆零，这很好。我想尽可能快地处理它

目前我的方法是采用一个numpy数组，其中x，y，z是一行，列表是从一个文件中加载多少元素，例如5000行

我目前正在循环浏览坐标列表，如下所示：

for i in range(n):
    for j in range(n):
        dist[i,j] = round(numpy.linalg.norm(coords[i] - coords[j]), 3)

dist是一个numpy数组设置，带有

numpy.zero（（n，n））

其中我已经得到了n值，即coords列表的长度

---

我知道必须有一种更快的方法在这个数据集上使用numpy，使coords成为一个数组。当然，我不知道如何有效地做到这一点。我想这样做的部分原因是我打算使用一个真值表掩码来处理数据。谢谢

因此解决方案与上面提到的一样简单，只需导入scipy并使用：

distances = scipy.spatial.distance.cdist(coords, coords)

---

得到的数组是欧几里德范数的n×n数组。

从scipy获得相同答案的另一种类似方法：

from scipy.spatial.distance import pdist, squareform

distances = squareform(pdist(coords))

---

似乎

pdist/cdist

-应该有帮助。