如何仅用numpy基于坐标ndarray生成成对距离矩阵

你可以通过以下两种常用方案实现距离矩阵计算：

方案1：基于scipy的高效实现 #

scipy.spatial.distance.cdist是专门用于计算两组点两两距离的接口，性能优化较好，代码如下：

from scipy.spatial.distance import cdist
# 计算所有点两两之间的欧氏距离
dist_matrix = cdist(point_coords, point_coords, metric='euclidean')

最终得到的dist_matrix是形状为(40,40)的正方形矩阵，dist_matrix[i][j]对应第i个点和第j个点的欧氏距离，矩阵对角线值全为0，且整体为对称矩阵。

方案2：纯NumPy无额外依赖实现 #

如果不想引入scipy依赖，可直接用NumPy的广播机制手动计算：

# 利用广播计算所有点对在x、y维度的差值
coord_diff = point_coords[:, np.newaxis] - point_coords
# 差值平方求和后开根号得到欧氏距离
dist_matrix = np.sqrt(np.sum(coord_diff ** 2, axis=2))

计算结果和方案1完全一致。

内容的提问来源于stack exchange，提问作者wowonline