Python中直接计算两个三维点集所有点对欧氏距离的方法

完全可以不用嵌套循环实现，两种常用的高效实现方式如下：

方法1：使用scipy自带的cdist（推荐） #

scipy.spatial.distance模块已经封装了专门计算两个点集两两距离的cdist方法，直接调用即可：

import numpy as np
from scipy.spatial.distance import cdist

# 直接计算距离矩阵
dist_matrix = cdist(set_1, set_2, metric="euclidean")

返回的dist_matrix是形状为(len(set_1), len(set_2))的二维数组，第i行第j个元素对应set_1[i]到set_2[j]的欧氏距离，和你嵌套循环得到的结果完全一致，底层为矢量化运算，性能远高于Python层的循环。

方法2：仅用numpy广播实现 #

如果不想依赖scipy，也可以直接用numpy的广播机制实现：

dist_matrix = np.sqrt(np.sum((set_1[:, np.newaxis] - set_2) ** 2, axis=2))

这个实现的输出和cdist结果完全相同，仅依赖numpy即可运行。

内容的提问来源于stack exchange，提问作者PabloG