我在计算大型数据集中的数据元素的平均距离时遇到问题，想使用Mapreduce将其并行化。目的是计算样本之间的距离，将它们相加并乘以（2 / n（n-1）），其中n是数据集中的样本总数。
我已经实现了它，但是我想对其进行并行化
def euclidean_distance（array1，array2）： return sum（（x-y）** 2 for zip中的x，y（array1，array2））** 0.5
data = [[1,2,3]，[6,4,5]，[8,9,10]，[6,7,8]]
list_distance = []
导入itertools
在itertools.combinations（data，2）中用于x，y的： list_distance.append（euclidean_distance（x，y））
print（list_distance）
总和= sum（list_distance）
mean_distance =（2.0 /（len（数据）*（len（数据）-1）））*求和
print（“总距离为” + str（求和）） print（“平均距离为” + str（mean_distance））