Python加速计算（大圆距离）

Question

我想用坐标（lat1, lon1）和（lat2, lon2）计算两个数组中存储的点之间的大圆距离（角度）rho）：

deg2rad = np.pi/180.0
rho_cos = (np.sin(lat1[:,None]*deg2rad)*np.sin(lat2[None,:]*deg2rad) +
      np.cos(lat1[:,None]*deg2rad)*np.cos(lat2[None,:]*deg2rad)*np.cos(np.abs(lon1[:,None] - lon2[None,:])*deg2rad))

rho = np.arccos(rho_cos) / deg2rad

数组lat1和lon1包含约70000个数据点的数量级，lat2和lon2包含约1200个数据点的数量级。我需要用不同的坐标数组进行多次（~100000）计算。可能的唯一lat1和lat2值来自具有450个数据点的数组，可能的唯一lon1和lon2值来自具有900个数据点的数组

目前，计算“缓慢”（在约100000次迭代的预期总时间意义上），在单个核心上，每次迭代约需4.5秒。如何加快计算速度？有索引的所有可能的坐标对的巨大查找表？并行化？更快的numpy或scipy本机函数