我有一个代码片段，它使用半正矢函数计算两个坐标列表之间的距离矩阵。虽然当前的实现有效，但它涉及嵌套循环，并且对于大型数据集可能非常耗时。我正在寻找一种更有效的替代方案，避免使用 for 循环。

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])

我希望得到建议或代码示例，以便更有效、更快速地实现避免使用 for 循环。

正确答案

使用sklearn中的haversine。指标：

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