对于我的博士学位的副项目，我从事用Python建模某些系统的任务。在效率方面，我的程序遇到了以下问题的瓶颈，我将在“最小工作示例”中介绍该问题。

我处理大量由其3D起点和终点编码的线段，因此每个线段均由6个标量表示。

我需要计算成对的最小段间距离。在此来源中找到了两个线段之间的最小距离的解析表达式。致MWE：

import numpy as np
N_segments = 1000
List_of_segments = np.random.rand(N_segments,6)

Pairwise_minimal_distance_matrix = np.zeros( (N_segments,N_segments) )
for i in range(N_segments):
    for j in range(i+1,N_segments):

        p0 = List_of_segments[i,0:3] #beginning point of segment i
        p1 = List_of_segments[i,3:6] #end point of segment i
        q0 = List_of_segments[j,0:3] #beginning point of segment j
        q1 = List_of_segments[j,3:6] #end point of segment j
        #for readability,some definitions
        a = np.dot( p1-p0,p1-p0)
        b = np.dot( p1-p0,q1-q0)
        c = np.dot( q1-q0,q1-q0)
        d = np.dot( p1-p0,p0-q0)
        e = np.dot( q1-q0,p0-q0)
        s = (b*e-c*d)/(a*c-b*b)
        t = (a*e-b*d)/(a*c-b*b)
        #the minimal distance between segment i and j
        Pairwise_minimal_distance_matrix[i,j] = sqrt(sum( (p0+(p1-p0)*s-(q0+(q1-q0)*t))**2)) #minimal distance

现在，我意识到这是非常低效的，这就是为什么我在这里。我已经广泛研究了如何避免循环，但是遇到了一个问题。显然，这种计算最好用python的cdist完成。但是，它可以处理的自定义距离函数必须是二进制函数。在我的情况下，这是一个问题，因为我的向量的长度具体为6，并且必须按位分割为它们的前3个分量。我认为我无法将距离计算转换为二进制函数。

任何输入表示赞赏。

['name','value','name','value']

{'name': 'value','name': 'value','name': 'value'}

解决方法

>>> L = ['name1','value1','name2','value2','name3','value3']
>>> dict(zip(*[iter(L)]*2))
{'name1': 'value1','name2': 'value2','name3': 'value3'}

>>> d = {}
>>> for i,item in enumerate(L):
...     if i % 2 == 0:
...         key = item
...     else:
...         d[key] = item
... 
>>> d
{'name1': 'value1','name3': 'value3'}