如果使用双 for 循环，为什么 Scipy.spatial.distance.cdist 很快？
Why is Scipy.spatial.distance.cdist fast if it uses a double for loop?
我听说 Python 中的双 for 循环很慢。但是，在深入研究 Scipy.spatial.distance.cdist(), I found that it's just a double for loop and not some clever numpy trick. And yet, many answers (e.g. ) 的实现时，建议使用 cdist().
我的问题是：如果函数只是天真地遍历 O(n^2) 中的所有元素，为什么它仍然这么快？
您指向的带有两个 for 循环的函数 _cdist_callable() 在大多数情况下未被使用。当您阅读 cdist() 函数时，您可以看到 _cdist_callable() 是 运行，例如当您提供自己的度量函数时。
在典型情况下，当您以字符串形式提供指标时：euclidean、chebyshev、cityblock 等，将使用 C 优化函数。
这些指标的 C 优化函数的“句柄”在同一文件中 listed here。
我听说 Python 中的双 for 循环很慢。但是，在深入研究 Scipy.spatial.distance.cdist(), I found that it's just a double for loop and not some clever numpy trick. And yet, many answers (e.g. cdist().
我的问题是：如果函数只是天真地遍历 O(n^2) 中的所有元素，为什么它仍然这么快？
您指向的带有两个 for 循环的函数 _cdist_callable() 在大多数情况下未被使用。当您阅读 cdist() 函数时，您可以看到 _cdist_callable() 是 运行，例如当您提供自己的度量函数时。
在典型情况下，当您以字符串形式提供指标时：euclidean、chebyshev、cityblock 等，将使用 C 优化函数。
这些指标的 C 优化函数的“句柄”在同一文件中 listed here。