将 np.linalg.norm() (python) 应用于 2d numpy 数组的每个元素和给定值的最快方法是什么？

如何解决将 np.linalg.norm() (python) 应用于 2d numpy 数组的每个元素和给定值的最快方法是什么？

我想计算给定值 x 和二维数组 arr 的每个单元格之间的 L2 范数（当前大小为 1000 x 100。我目前的方法：

    for k in range(0,999):
        for l in range(0,999):
            distance = np.linalg.norm([x - arr[k][l]],ord= 2)

x 和 arr[k][l] 都是标量。我实际上想计算每个数组单元到给定值 x 的成对距离。最后，对于 1000x 1000 值，我需要 1000x1000 距离。 不幸的是，当涉及到完成所需的时间时，上述方法是一个瓶颈。这就是为什么我正在寻找一种方法来加快速度。我很感激任何建议。

一个可重现的例子（按要求）：

arr = [[1,2,4,4],[5,6,7,8]]
x = 2
for k in range(0,3):
        for l in range(0,1):
            distance = np.linalg.norm([x - arr[k][l]],ord= 2)

请注意，真正的 arr 要大得多。这只是一个玩具示例。

实际上，我不一定要使用 np.linalg.norm()。我只需要给定值 x 的所有这些数组单元的 l2 范数。如果你知道更合适的功能，我愿意尝试。

解决方法

您可以执行以下操作

1. 从数组 x 中删除 arr
2. 然后计算范数

    diff = arr - x
    distance = np.linalg.norm(diff,axis=2,ord=2)