Scipy.spatial.distance以较低的精度计算？

Question

爱好者程序员在这里。我使用Scipy的spatial.distance.cosine函数计算大型pandas DataFrame（~15k列，~100k条目）的列之间的余弦相似度。但是，计算需要很长时间，我想知道是否有办法降低精度以使它们更快？我很乐意将输出的dtype从float64更改为float16。

我的代码如下所示：

cosine_similarity = pd.DataFrame()
for index1, col1 in df.iteritems():
    row = {}
    u = col1.as_matrix()
    for index2, col2 in df.iteritems():
        v = col2.as_matrix()
        similarity = 1 - scipy.spatial.distance.cosine(u,v) 
        # i guess i could cast this to float16 afterwards
        row[index2] = similarity
    row_series = pd.Series(row, index=[index1])
    cosine_similarity = pd.concat([cosine_similarity, row_series])
    print(index1) #for display reasons

理想情况下，我想做这样的事情：

similarity = 1 - scipy.spatial.distance.cosine(u,v, dtype=float16)

我应采取什么方法？