相关疑难解决方法(0)

此问题旨在成为规范的重复目标

给定两个数组X和Y形状,(i, n)并(j, n)表示 - n维坐标列表,

def test_data(n, i, j, r = 100):
    X = np.random.rand(i, n) * r - r / 2
    Y = np.random.rand(j, n) * r - r / 2
    return X, Y

X, Y = test_data(3, 1000, 1000)

找到最快的方法是什么:

1. 每个点和每个点之间的D形状距离(i,j)XY
2. 该指数k_i与距离k_d的的k针对所有点最近的邻居X中的每一个点Y
3. 该指数r_i,r_j和距离r_d的每一个点在X距离之内r的每一个点的j …

我正在寻找执行两个或多个数字的平方和的平方根的更有效和最短的方法。我实际上正在使用numpy这个代码：

np.sqrt(i**2+j**2)

这似乎比：

np.sqrt(sum(np.square([i,j])))

（i 和 j 是数字！）

我想知道是否已经有一个更有效的内置函数可以用更少的代码来执行这个非常常见的任务。