在Felipe Mello的信息丰富的答案之上的一些其他信息（免责声明：此处是DTAIDistance的作者）。
对于距离结果：
- DTAIDistance仅使用欧几里得距离（或L2范数），这是硬编码的。做出此选择是为了加快C代码的执行速度（不调用函数）。“快速”是指使用基于C的实现而不是纯Python版本，因此这两种方法给出的结果完全相同。
- FastDTW是与DTW不同的算法。这是线性近似。“快速”是指较低的复杂性。
- cDTW。我对这个工具箱不是很熟悉，但是它似乎实现了L1规范。
对于速度结果：
通常，基于纯C的算法比纯Python的算法快100倍（在DTAIDistance中，这是distance（）和distance_fast（）之间的差异）。对于基于C的方法，差异主要是由于方法的灵活性。例如，传递自定义规范会减慢该方法的速度（更多函数调用）。同样，不同的方法具有不同的选项，这会导致算法中或多或少的switch语句。例如，DTAIDistance提供了许多方法来调整该方法，因为它更喜欢提早停止计算而不是进一步的优化（也由Felipe
Mello观察到）。此外，不同的方法存储不同数量的数据。DTAIDistance距离方法不存储整个矩阵，也不提供线性空间复杂度（使用具有二次空间复杂度的warping_paths方法获得完整的矩阵）。通常，对于DTW，建议使用一个窗口来稍微降低时间复杂度。
对于DTAIDistance，所有设计选择都考虑了时间序列聚类应用程序（distance_matrix_fast方法）。这是不允许自定义规范的另一个原因。DTW代码必须是纯C语言，才能在C代码级别上支持并行化，并且具有最小的开销（它使用OpenMP）来计算序列之间的所有成对距离。
