如何解决使用Python有效地计算数组中所有点之间的距离

我有一个N=3点的列表，作为输入： points = [[1,1],[2,2],[4,4]]

我编写了这段代码来计算列表points中所有元素之间所有可能的距离，如dist = min(∣x1−x2∣,∣y1−y2∣)：

distances = []
for i in range(N-1):
    for j in range(i+1,N):
        dist = min((abs(points[i][0]-points[j][0]),abs(points[i][1]-points[j][1])))
        distances.append(dist)
print(distances)

我的输出将是数组distances，其中保存了所有距离：[1,3,2]

它可以与N=3一起正常工作，但是我想以更有效的方式进行计算，并且可以自由设置N=10^5。我也尝试使用numpy和scipy，但是在替换循环和使用正确的方法时遇到了一些麻烦。

有人可以帮我吗？预先感谢

解决方法

numpythonic 解决方案

要使用 Numpy 的全部功能来计算距离，并进行计算快得多：

将您的点转换为 Numpy 数组：
```
 pts = np.array(points)
```

然后运行：

 dist = np.abs(pts[np.newaxis,:,:] - pts[:,np.newaxis,:]).min(axis=2)

这里的结果是一个正方形数组。但是，如果您想获得对角线上方的元素的列表，就像您的代码生成一样，您可以运行：

dist2 = dist[np.triu_indices(pts.shape[0],1)].tolist()

我为以下 9 点运行了这段代码：

points = [[1,1],[2,2],[4,4],[3,5],8],10],7],9],7]]

对于上述数据，保存在 dist （完整数组）中的结果为：

array([[0,1,3,2,3],[1,0],0]])

，对角线上方的元素列表为：

[1,2]

我的代码有多快

事实证明，即使对于像我这样使用的小样本（ 9 点），我的代码的运行速度快2倍。对于18点样本（此处未显示）-快 6 倍。

即使我的功能已经获得了这种速度差异计算出“比需要多2倍”，即生成一个完整数组，而结果的较低对角线部分为“镜像视图”（对您的代码进行计算）。

对于更大数量的点，差异应该更大。对更大的分数样本（例如100分数）进行测试，并写出如何我的代码快了很多倍。