问快速计算整个数据集到每个集群中心的距离

EN

在一个数据聚类问题中，我有两个numpy数组，X和C，其中X对应于观测，C对应于可以用X中的数据形成的集群中心。它们都有相同数量的列(特性)，但C通常比X少得多。我试图找到一种快速计算X中每个观测值与C中所有中心之间最小平方距离的方法。在简单的python中，这可以写成这样。

D2 = np.array([min([np.inner(c-x,c-x) for c in C]) for x in X])

这太慢了，所以我决定通过多做来提高速度

D2 = np.array([min(np.sum((C-x)**2, axis=1)) for x in X])

相反，但我对执行时间还不满意，而且由于for循环仍然存在，我相信还有希望。有没有人知道如何进一步减少这方面的过剩时间？

对于好奇的人，我用这个来通过K-Means++算法为K-Means生成种子。