在python中找到欧氏距离的最快方法

Question

我有2组2D点（A和B），每组有大约540点。我需要找到集合B中距离A中所有点的定义距离α更远的点。

我有一个解决方案，但速度不够快

# find the closest point of each of the new point to the target set
def find_closest_point( self, A, B):
    outliers = []
    for i in range(len(B)):
        # find all the euclidean distances
        temp = distance.cdist([B[i]],A)
        minimum = numpy.min(temp)
        # if point is too far away from the rest is consider outlier
        if minimum > self.alpha :
            outliers.append([i, B[i]])
        else:
            continue
    return outliers

我正在使用带有numpy和scipy的python 2.7。还有另一种方法可以让我获得相当大的速度提升吗？

提前感谢您的答案

Answer 1

>>> from scipy.spatial.distance import cdist
>>> A = np.random.randn(540, 2)
>>> B = np.random.randn(540, 2)
>>> alpha = 1.
>>> ind = np.all(cdist(A, B) > alpha, axis=0)
>>> outliers = B[ind]

为您提供所需的积分。

Answer 2

如果你有一个非常大的点数，你可以计算x＆amp;添加＆amp;的界限减去aplha然后从位于该边界之外的特定考虑中消除b中的所有点。