没有双 for 循环的两个 python 矩阵之间的欧氏距离？
Euclidian distance between two python matrixes without double for-loop?
我正在使用两个 numpy 矩阵，U（维度 Nu x 3）和 M（尺寸 3 x Nm）
A 包含 Nu 个用户和 3 个特征
M 包含 Nm 部电影（以及相同的 3 个特征）
对于 U 的每个用户，我想计算它到 M 中每部电影的欧几里德距离（所以我需要计算Nu*Nm 欧氏距离）。
如果没有显式的双 for 循环，这可能吗？我正在处理大尺寸矩阵，双 for 循环可能会花费太多时间。
提前致谢。
恐怕不会。您需要计算每对 (user, movie) 的欧氏距离，因此您的时间复杂度为 numOfUsers * numOfMovies，这将是一个双循环。你不能做比这更少的操作，除非你愿意跳过一些对。您能做的最好的事情就是优化欧几里德距离计算，但是您将要执行的操作数量将以某种方式二次方。
查看 scipy.spatial.distance.cdist。这样的事情会做：
from scipy.spatial.distance import cdist
dist = cdist(U, M.T)
我正在使用两个 numpy 矩阵，U（维度 Nu x 3）和 M（尺寸 3 x Nm）
A 包含 Nu 个用户和 3 个特征
M 包含 Nm 部电影（以及相同的 3 个特征）
对于 U 的每个用户，我想计算它到 M 中每部电影的欧几里德距离（所以我需要计算Nu*Nm 欧氏距离）。
如果没有显式的双 for 循环，这可能吗？我正在处理大尺寸矩阵，双 for 循环可能会花费太多时间。
提前致谢。
恐怕不会。您需要计算每对 (user, movie) 的欧氏距离，因此您的时间复杂度为 numOfUsers * numOfMovies，这将是一个双循环。你不能做比这更少的操作，除非你愿意跳过一些对。您能做的最好的事情就是优化欧几里德距离计算，但是您将要执行的操作数量将以某种方式二次方。
查看 scipy.spatial.distance.cdist。这样的事情会做：
from scipy.spatial.distance import cdist
dist = cdist(U, M.T)