Поиск индекса ближайшей точки в массивах numpy координат x и y

У меня есть два массива 2d numpy: x_array содержит позиционную информацию в направлении x, y_array содержит позиции в направлении y.

Затем у меня есть длинный список x, y точек.

Для каждой точки списка мне нужно найти индекс массива местоположения (указанного в массивах), который ближе всего к этой точке.

Я наивно создал некоторый код, который работает, основываясь на этом вопросе: Найти ближайшее значение в массиве numpy

то есть.

import time
import numpy

def find_index_of_nearest_xy(y_array, x_array, y_point, x_point):
    distance = (y_array-y_point)**2 + (x_array-x_point)**2
    idy,idx = numpy.where(distance==distance.min())
    return idy[0],idx[0]

def do_all(y_array, x_array, points):
    store = []
    for i in xrange(points.shape[1]):
        store.append(find_index_of_nearest_xy(y_array,x_array,points[0,i],points[1,i]))
    return store


# Create some dummy data
y_array = numpy.random.random(10000).reshape(100,100)
x_array = numpy.random.random(10000).reshape(100,100)

points = numpy.random.random(10000).reshape(2,5000)

# Time how long it takes to run
start = time.time()
results = do_all(y_array, x_array, points)
end = time.time()
print 'Completed in: ',end-start

Я делаю это над большим набором данных и очень хотел бы ускорить его. Кто-нибудь может это оптимизировать?

Спасибо.

---

ОБНОВЛЕНИЕ: РЕШЕНИЕ после предложений @silvado и @justin (ниже)

# Shoe-horn existing data for entry into KDTree routines
combined_x_y_arrays = numpy.dstack([y_array.ravel(),x_array.ravel()])[0]
points_list = list(points.transpose())


def do_kdtree(combined_x_y_arrays,points):
    mytree = scipy.spatial.cKDTree(combined_x_y_arrays)
    dist, indexes = mytree.query(points)
    return indexes

start = time.time()
results2 = do_kdtree(combined_x_y_arrays,points_list)
end = time.time()
print 'Completed in: ',end-start

Этот код ускорил мой код (поиск 5000 точек в матрицах 100x100) в 100 раз. Интересно, что использование scipy.spatial.KDTree(вместо scipy.spatial.cKDTree) дало сопоставимые тайминги моему наивному решению, поэтому определенно стоит использовать версию cKDTree...