我想用各种性能说明来阐述简单的答案。 np.linalg.norm可能比您需要的更多：

dist=numpy.linalg.norm(a-b)

首先 - 此功能旨在处理列表并返回所有值，例如 比较中距离things到点数sqrt的距离：

sP=set(points)pA=point

distances=np.linalg.norm(sP-pA,ord=2,axis=1.)# 'distances' is a list

记住几件事：

Python函数调用很昂贵。

[Regular] Python不会缓存名称查找。

所以

defdistance(pointA,pointB):dist=np.linalg.norm(pointA-pointB)returndist

并不像看起来那样无辜。

>>>dis.dis(distance)20LOAD_GLOBAL0(np)2LOAD_ATTR1(linalg)4LOAD_ATTR2(norm)6LOAD_FAST0(pointA)8LOAD_FAST1(pointB)10BINARY_SUBTRACT12CALL_FUNCTION114STORE_FAST2(dist)316LOAD_FAST2(dist)18RETURN_VALUE

首先 - 每次调用它时，我们必须对“np”进行全局查找，对“linalg”进行范围查找，对“norm”进行范围查找，仅调用函数的开销可以等同于几十个python说明。

最后，我们浪费了两个操作来存储结果并重新加载它以便返回...

第一步改进：使查找更快，跳过商店

defdistance(pointA,pointB,_norm=np.linalg.norm):return_norm(pointA-pointB)

我们得到了更加精简：

>>>dis.dis(distance)20LOAD_FAST2(_norm)2LOAD_FAST0(pointA)4LOAD_FAST1(pointB)6BINARY_SUBTRACT8CALL_FUNCTION110RETURN_VALUE

但是，函数调用开销仍然相当于一些工作。 你会想做基准来确定你自己是否可以更好地做数学：

defdistance(pointX,pointY):return(((pointX.x-pointY.x)**2)+((pointX.y-pointY.y)**2)+((pointX.z-pointY.z)**2))**0.5# fast sqrt

在某些平台上，things比sqrt更快。您的里程可能会有所不同。

****高级演奏说明。

你为什么计算距离？ 如果唯一的目的是显示它，

print("The target is %.2fm away"%(distance(a,b)))

向前走。 但是，如果您要比较距离，进行范围检查等，我想添加一些有用的性能观察。

我们来看两种情况：按距离排序或剔除列表到满足范围约束的项目。

# Ultra naive implementations. Hold onto your hat.defsort_things_by_distance(origin,things):returnthings.sort(key=lambdathing:distance(origin,thing))defin_range(origin,range,things):things_in_range=[]forthinginthings:ifdistance(origin,thing)<=range:things_in_range.append(thing)

我们需要记住的第一件事是我们正在使用毕达哥拉斯来计算距离(things)，因此我们进行了大量的sqrt次呼叫。 数学101：

dist=root(x^2+y^2+z^2):.dist^2=x^2+y^2+z^2andsq(N)Nandsq(N)>sq(M)iff N>Mandsq(N)=sq(M)iff N==M

简而言之：在我们实际需要以X为单位而不是X ^ 2的距离之前，我们可以消除计算中最难的部分。

# Still naive, but much faster.defdistance_sq(left,right):""" Returns the square of the distance between left and right. """return(((left.x-right.x)**2)+((left.y-right.y)**2)+((left.z-right.z)**2))defsort_things_by_distance(origin,things):returnthings.sort(key=lambdathing:distance_sq(origin,thing))defin_range(origin,range,things):things_in_range=[]# Remember that sqrt(N)**2 == N, so if we square# range, we don't need to root the distances.range_sq=range**2forthinginthings:ifdistance_sq(origin,thing)<=range_sq:things_in_range.append(thing)

太棒了，这两个功能不再做任何昂贵的平方根。 那会更快。 我们还可以通过将in_range转换为生成器来改进in_range：

defin_range(origin,range,things):range_sq=range**2yieldfrom(thingforthinginthingsifdistance_sq(origin,thing)<=range_sq)

如果您正在执行以下操作，这尤其有益：

ifany(in_range(origin,max_dist,things)):...

但如果你要做的下一件事需要距离，

fornearbyinin_range(origin,walking_distance,hotdog_stands):print("%s %.2fm"%(nearby.name,distance(origin,nearby)))

考虑产生元组：

defin_range_with_dist_sq(origin,range,things):range_sq=range**2forthinginthings:dist_sq=distance_sq(origin,thing)ifdist_sq<=range_sq:yield(thing,dist_sq)

如果您可能链接范围检查('找到靠近X且在Nm内的东西'，因为您不必再次计算距离)，这可能特别有用。

但是，如果我们正在搜索一个非常大的things列表，我们预计其中很多都不值得考虑呢？

实际上有一个非常简单的优化：

defin_range_all_the_things(origin,range,things):range_sq=range**2forthinginthings:dist_sq=(origin.x-thing.x)**2ifdist_sq<=range_sq:dist_sq+=(origin.y-thing.y)**2ifdist_sq<=range_sq:dist_sq+=(origin.z-thing.z)**2ifdist_sq<=range_sq:yieldthing

这是否有用将取决于“事物”的大小。

defin_range_all_the_things(origin,range,things):range_sq=range**2iflen(things)>=4096:forthinginthings:dist_sq=(origin.x-thing.x)**2ifdist_sq<=range_sq:dist_sq+=(origin.y-thing.y)**2ifdist_sq<=range_sq:dist_sq+=(origin.z-thing.z)**2ifdist_sq<=range_sq:yieldthingeliflen(things)>32:forthingsinthings:dist_sq=(origin.x-thing.x)**2ifdist_sq<=range_sq:dist_sq+=(origin.y-thing.y)**2+(origin.z-thing.z)**2ifdist_sq<=range_sq:yieldthingelse:...just calculate distanceandrange-check it...

再次，考虑让dist_sq产生。 然后我们的热狗示例变为：

# Chaining generatorsinfo=in_range_with_dist_sq(origin,walking_distance,hotdog_stands)info=(stand,dist_sq**0.5forstand,dist_sqininfo)forstand,distininfo:print("%s %.2fm"%(stand,dist))