如果可以使用SciPy,可以使用spatial.distance中的余弦值：

如果您不能使用SciPy,您可以尝试通过重写Python来获得一个小的加速(编辑：但是没有像我以前想像的那样工作,见下文).

from itertools import izip

from math import sqrt

def cosine_distance(a, b):

if len(a) != len(b):

raise ValueError, "a and b must be same length"

numerator = sum(tup[0] * tup[1] for tup in izip(a,b))

denoma = sum(avalue ** 2 for avalue in a)

denomb = sum(bvalue ** 2 for bvalue in b)

result = 1 - numerator / (sqrt(denoma)*sqrt(denomb))

return result

当a和b的长度不匹配时,最好引发异常.

通过在sum()调用中使用生成器表达式,您可以通过Python中的C代码完成大部分工作来计算您的值.这应该比使用for循环更快.

我没有计时,所以我不能猜到它可能会更快.但是SciPy代码几乎肯定是用C或C编写的,它应该是你能得到的一样快.

如果你在Python中做生物信息学,那么你真的应该使用SciPy.

编辑：Darius Bacon定时我的代码,发现它慢.所以我定时我的代码,是的,这是比较慢的.所有的教训：当你想加快速度时,不要猜测,测量.

为什么我试图在Python的C内部部署更多的工作,我感到很困惑.我尝试了长度为1000的列表,它仍然较慢.

我无法再花更多的时间尝试巧妙地闯入Python.如果你需要更多的速度,我建议你尝试SciPy.

编辑：我只是手工测试,没有时间.我发现,对于a和b,旧的代码更快;对于长a和b,新代码更快;在这两种情况下,差异不大. (我现在想知道我是否可以信任我的Windows计算机上的时间;我想在Linux上再次尝试这个测试.)我不会改变工作代码来试图让它更快.还有一次我敦促你尝试SciPy. 🙂