我有一個熊貓系列，其中包含點p的x和y坐標，以及一個包含多個點q 1到q n（也是x和y）的 DataFrame。然后我計算p和每個qs之間的成對歐幾里得距離。我嘗試了幾種計算方法，試圖找到最有效的一種，其中兩種引起了我的注意：import pandas as pdcs = pd.DataFrame([[10, 15], [56, 45], [33, 24]], columns=['x', 'y'])pt = pd.Series({'x': 14, 'y': 32})def d1(cls, pt): return ((pt['x'] - cls['x']) ** 2 + (pt['y'] - cls['y']) ** 2) ** 0.5def d2(cls, pt): return ((pt - cls) ** 2).sum(axis=1) ** 0.5第一個，d1，分別減去和平方x和y列然后將它們相加，而同時d2減去兩列進行減法，然后.sum()將它們相加。我預計d2會更快，但是當同時使用timeit這兩個函數時（7 次運行，每個 1000 次循環），我發現這比（690 毫秒對 1.9 秒）d1快了近三倍。d2這可能是什么原因？
1 回答
嗶嗶one
TA貢獻1854條經驗 獲得超8個贊
性能較差的原因d2是組織數據框操作（索引檢查對齊等）的額外開銷。雖然我無法解釋每個細節，但您將從d1和d2的配置文件圖表中獲得基本概念.
d1和之間的差異d2會隨著維度的增加而變?。涸谖业臋C器上，2、3 和 4 維度的d2/d1執行時間比率分別為 2.6、2.1 和 1.8。所以我想足夠多的維度d2可能會比d1（未測試）更快。
計算歐幾里得距離的最快方法是使用cdistfrom SciPy：
from scipy.spatial import distance
def d3(cls, pt):
return pd.Series(distance.cdist(cls, [pt]).ravel())
它至少比維數快 5 倍，d1并且實際上不依賴于維數。以下是2、3 和 4 維的timeit輸出d1：d2d3
2D
1000 loops, best of 3: 1.37 ms per loop
100 loops, best of 3: 3.61 ms per loop
1000 loops, best of 3: 246 μs per loop
3D
100 loops, best of 3: 2.05 ms per loop
100 loops, best of 3: 4.28 ms per loop
1000 loops, best of 3: 234 μs per loop
4D
100 loops, best of 3: 2.69 ms per loop
100 loops, best of 3: 5.06 ms per loop
1000 loops, best of 3: 237 μs per loop
d1從原始 2D 案例的性能圖中可以看出，隨著數據幀大小的增加，和之間的差異d2也會變?。?/p>
添加回答
舉報
0/150
提交
取消