如何高效构建时间矩阵 优化Python对称矩阵重复计算问题

优化方案 #

因为时间矩阵是对称矩阵，满足times[i][j] = times[j][i]，且对角线位置times[i][i]恒为0（同一个坐标的通行时长为0），所以我们只需要计算上三角区域（i<j）的结果，再同步赋值到对称的下三角位置即可，计算量直接减少近一半，坐标量级越大优化效果越明显。

优化后代码如下：

# 若已全局导入numpy可省略该行
import numpy as np

def time_matrix(coordinates):
    n = len(coordinates)
    times = np.zeros((n, n), dtype=float)
    # 仅遍历上三角区域，跳过无需计算的对角线
    for i in range(n):
        lon_i, lat_i = coordinates[i]
        for j in range(i + 1, n):
            lon_j, lat_j = coordinates[j]
            # 单次计算结果同时赋值给两个对称位置
            duration = get_time(lon_i, lat_i, lon_j, lat_j) / 60
            times[i][j] = duration
            times[j][i] = duration
    return times.tolist()

额外优化说明：

• 提前提取每个坐标的经纬度赋值给局部变量，避免循环中重复索引列表，进一步提升运行速度
• 如果后续get_time函数支持批量输入多组坐标对计算，可以结合numpy向量化操作完全去掉Python层的循环，运行效率会有量级提升

内容的提问来源于stack exchange，提问作者vojta