我正在构建一个算法，在某些时候我需要计算点 p 和点列表 (centers) 的最小距离（和索引）。 IE。我需要在 centers 中找到最接近 p 的元素。
目前，我使用的是 fasthaversine，我的代码如下所示：
sample_array = [sample for i in range(len(centers))]
distances = haversine(sample_array, centers, unit='m')
min_index = np.argmin(distances)
centers 可能是一个很长的列表，因此这可能需要很多时间。有人有什么更快的提议吗？
编辑：我尝试了 BallTree 方法，但它似乎比上述方法慢。有关更多上下文，我需要在很多点 p 上运行它，每次 centers 都会不同，因此我每次都需要构造 BallTree。