我正在研究文档聚类，首先从tf-idf结果中构建一个距离矩阵。我使用下面的代码来获得tf-idf矩阵：

from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer = TfidfVectorizer(stop_words={'english'})
X = vectorizer.fit_transform(models)

这样得到一个矩阵（9069，22210）。现在我想从这个矩阵（9069*9069）构建一个距离矩阵。我使用下面的代码来实现这一点：

import numpy as np
import pandas as pd
from scipy.spatial import distance_matrix
from scipy.spatial import distance

arrX = X.toarray()

rowSize = X.shape[0]
distMatrix = np.zeros(shape=(rowSize, rowSize))

# build distance matrix

for i, x in enumerate(arrX):
    for j, y in enumerate(arrX):   
        distMatrix[i][j] = distance.braycurtis(x, y)

np.savetxt("dist.csv", distMatrix, delimiter=",")

这段代码的问题是，对于这个矩阵大小来说，它的速度非常慢。有没有更快的方法？