在数组中元素的所有对组合上执行函数的快速方法

Question

这是我所拥有的函数的简化版本：

def create_edge(a,b,network=G):
    weight = calculate_weight(matrix[a],matrix[b])
    network.addedge(array[a],array[b], weight = weight)

基本上它需要两个矩阵行索引，计算两行之间的权重，然后将其作为两个节点之间边缘的权重。

我的目标是在数组中的每对组合上执行此功能。我的意思是，如果我有一个这样的数组：

array = np.array(['A','B','C','D'])

预先形成这些功能：

create_edge('A','B')
create_edge('A','C')
create_edge('A','D')
create_edge('B','C')
create_edge('B','D')
create_edge('C','D')

抓住的是我的阵列很大！它包含大约15000个元素。这意味着它非常慢。我想知道是否有快速的方法来做到这一点？

到目前为止我尝试过：

阻止XYproblem。我可能应该注意，我不一定需要它成对配对，因为B-> A和A-> B是相同的，我只是收集它后会这样做更快：

def create_network(network):
    for i in range(len(array)):
        for j in range(len(array)):
            create_edge(i,j,network)

我也试过这个：

comb = list(itertools.combinations(array,2))

def create_network(network):
    for i in range(len(comb)):
         create_edge(comb[i][0],comb[i][1], network)

两种情况都太慢了。我理解这可能是由于我的阵列的大小，但我确信有更快/更有效/更好的方法来做到这一点。