numpy 2D矩阵-如何在这种情况下提高性能

Question

我开始知道numpy对于一个非常大的矩阵的单个元素访问很慢。下面这部分代码运行大约需要7-8分钟。矩阵的大小约为3000*3000

import numpy as np
................
................
ArrayLength=len(Coordinates)
AdjMatrix=np.zeros((len(Angles),len(Angles)))
for x in range(0, Arraylength):
    for y in range(x+1, Arraylength-x):
        distance=Distance(Coordinates[x],Coordinates[y)
            if(distance<=radius)
                AdjMatrix[x][y]=distance
                AdjMatrix[y][x]=distance

我基本上是在尝试为一个由大约3000个节点组成的图构建一个邻接矩阵。有人能帮我做这个愚蠢的方法吗?或者有其他选择吗?

编辑:这里是Distance()函数

Def Distance(p1,p2):
    distance=np.sqrt(np.square(p1[0]-p2[0])+np.square(p1[1]-p2[1]))
    return distance

顺便说一下，我将坐标作为元组传递。如p[0]=x坐标p[1]= y坐标。

Answer 1

能否发布Distance()函数?如果是普通函数，scipy.spatial.distance.cdist可以很快地计算出距离矩阵:

http://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.cdist.html scipy.spatial.distance.cdist

编辑:

你确实可以使用pdist，这里有一个例子:

from scipy.spatial.distance import pdist, squareform
coordinates = [(0.0, 0), (1.0, 2.0), (-1.0, 0.5), (3.1, 2.1)]
dist = squareform(pdist(coordinates))
print dist

输出:

[[ 0.          2.23606798  1.11803399  3.74432905]
 [ 2.23606798  0.          2.5         2.1023796 ]
 [ 1.11803399  2.5         0.          4.40113622]
 [ 3.74432905  2.1023796   4.40113622  0.        ]]

如果你想屏蔽一些数据:

dist[dist > 3.0] = 0
print dist

输出:

[[ 0.          2.23606798  1.11803399  0.        ]
 [ 2.23606798  0.          2.5         2.1023796 ]
 [ 1.11803399  2.5         0.          0.        ]
 [ 0.          2.1023796   0.          0.        ]]