如何有效地比较numpy数组中的条目？

Question

我有一个numpy数组embed_vec，长度为tot_vec，其中每个条目都是一个3d向量：

[[ 0.52483319  0.78015841  0.71117216]
 [ 0.53041481  0.79462171  0.67234534]
 [ 0.53645428  0.80896727  0.63119403]
 ..., 
 [ 0.72283509  0.40070804  0.15220522]
 [ 0.71277758  0.38498613  0.16141834]
 [ 0.70221445  0.36918032  0.17370776]]

对于这个数组中的每个元素，我想找出“接近”该条目的其他条目的数量。我的意思是两个向量之间的距离小于指定值R。为此，我必须将这个数组中所有可能的对进行比较，然后找出数组中每个向量的接近向量数。所以我要这样做：

^{pr2}$

但是，这是非常低效的，因为我有两个嵌套的python循环，对于更大的数组大小，这需要花费很长时间。如果这是在C++或FORTRAN中，那就不是一个大问题。我的问题是，使用numpy可以有效地使用向量化方法实现同样的事情吗？顺便说一句，我不介意用熊猫来解决这个问题。在

Answer 1

首先广播差异：

disp_vecs=tot_vec[:,None,:]-tot_vec[None,:,:]

现在，根据你的数据集有多大，你可能想做一个没有所有数学运算的第一次传递。如果距离小于r，则所有组件都应小于r

first_mask=np.max(disp_vec, axis=-1)<r

然后进行实际计算

disps=np.linlg.norm(disp_vec[first_mask],axis=-1)
second_mask=disps<r

现在重新分配

^{pr2}$

disps现在是好值，first_mask是一个布尔掩码。你可以从那里处理。在