python - 使用 scipy.spatial.cKDTree 加速最近的邻居

Question

我正在尝试优化我需要为同一数据集的多次迭代计算的最近邻距离代码

我正在计算数据集 A 中的点到数据集 B 中的点的最近邻距离。两个数据集都包含 ~ (1000-2000) 二维点。虽然数据集 A 中的点保持不变，但我对数据集 B (~100000)、B ₀、B ₁、...B ₁₀₀₀₀₀有很多不同的迭代。我想知道如果 A 保持不变，我是否可以以某种方式加快速度相同的。

要计算我使用的最近邻距离

for i in range(100000):
   tree = spatial.cKDTree(B[i])
   mindist1, minid = tree.query(A)   
   score[i] = np.mean(mindist1**4))**0.25
   # And some other calculations
   ...

我想知道是否有一种方法可以加快速度，因为A在整个循环中保持不变。在我看来，鉴于 A 是相同的，应该有一种更聪明的方法来做到这一点。