优化大矩阵计算

Question

我需要计算大型数据集上的距离矩阵（约20k样本）

distance_matrix = np.ndarray((len(foo),len(foo)))
for i, bar1 in enumerate(foo):
    for j, bar2 in enumerate(foo[i+1:]):
        distance_matrix[i,j] = hight_level_python_function(bar1, bar2)

除了切割marix并将每个优化技术传递给不同的进程外，还可以使用哪些优化技术来减少计算时间？

• 我无法将此代码移植到低级语言
• 我不能使用pypy

UPD：我的数组包含字符串，所以我不能使用ufuncs或scipy.spatial.distance.pdist。