我有一个代码片段，它使用半正矢函数计算两个坐标列表之间的距离矩阵。虽然当前的实现有效，但它涉及嵌套循环，并且对于大型数据集可能非常耗时。我正在寻找一种更有效的替代方案，避免使用 for 循环。
import numpy as np
from haversine import haversine
string_list_1 = [(20.00,-100.1),...] # List of vector pair coordinates (lat,long)
string_list_2 = [(21.00,-101.1),...] # Another list of pair coordinates
dist_mat = np.zeros((len(string_list_1), len(string_list_2)))
for i, coord1 in enumerate(string_list_1):
dist_mat[i, :] = np.array([haversine(coord1, coord2) for coord2 in string_list_2])我希望得到建议或代码示例，以便更有效、更快速地实现避免使用 for 循环。
使用sklearn中的haversine。指标：
from sklearn.metrics.pairwise import haversine_distances haversine_distances(string_list_1,string_list_2)
以上就是向量列表的 Harvesine 向量化的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告![ThinkPHP5快速开发企业站点[全程实录]](https://img.php.cn/upload/course/000/000/068/6253d918a3ce7278.png)
收藏
收藏
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
746
