python外环是什么意思_多维d上基于numpy的欧氏距离外环矢量化

我有一个二维的数值矩阵。每一行都是一个数据点。在data = np.array(

[[2, 2, 3],

[4, 2, 4],

[1, 1, 4]])

现在，如果我的测试点是一个一维numpy数组，比如：

^{pr2}$

我可以做一些简单的事情，比如np.sqrt(np.sum((test-data)**2,axis=1))来计算测试点相对于所有三个数据点的距离。在

但是，如果测试本身是要测试的二维点数组，那么上面的方法就行不通了，我一直在使用类似的方法：test = np.array([[2,3,3],[4,1,2]])

for i in range(len(test)):

print np.sqrt(np.sum((test[i]-data)**2,axis=1))

>>> [ 1. 2.44948974 2.44948974]

[ 2.44948974 2.23606798 3.60555128]

以便根据数据集中的所有点计算测试集中的每个点。似乎应该有一种方法来矢量化整个运算，这样我就可以得到一个(2，3)矩阵，对应的距离返回，而不需要外部FOR循环

(注：虽然这个例子是关于欧几里德距离的，但我发现自己也有类似的类型运算，我想用另一个矩阵的单个元素对一个矩阵的所有元素执行一个操作，所以我希望有一种通用的方法来使用Numpy来设置这种性质的问题。)