向量列表的 Harvesine 向量化

問題內容

我有一個程式碼片段，它使用半正矢函數計算兩個座標列表之間的距離矩陣。雖然當前的實作有效，但它涉及嵌套循環，並且對於大型資料集可能非常耗時。我正在尋找一種更有效的替代方案，避免使用 for 迴圈。

import numpy as np
from haversine import haversine
    
string_list_1 = [(20.00,-100.1),...]  # List of vector pair coordinates (lat,long)

string_list_2 = [(21.00,-101.1),...]  # Another list of pair coordinates

dist_mat = np.zeros((len(string_list_1), len(string_list_2)))

for i, coord1 in enumerate(string_list_1):
   dist_mat[i, :] = np.array([haversine(coord1, coord2) for coord2 in string_list_2])

我希望得到建議或程式碼範例，以便更有效、更快速地實現避免使用 for 迴圈。

正確答案

使用sklearn中的#haversine。指標：

from sklearn.metrics.pairwise import haversine_distances
haversine_distances(string_list_1,string_list_2)

以上是向量列表的 Harvesine 向量化的詳細內容。更多資訊請關注PHP中文網其他相關文章！