从向量列表计算距离矩阵答案

【问题标题】：compute distance matrix from list of vectors从向量列表计算距离矩阵
【发布时间】：2017-06-09 21:00:23
【问题描述】：

假设我有一个向量列表，我想从中生成一个距离矩阵。什么是一种巧妙的方法？例如，我有一个包含 3 个向量的列表：

k = [[2, 4, 7], [3, 4, 7], [5,1,3]]
distance = pairwise_distances(v1, v2, metric='cosine', n_jobs=-1)

期望的输出：给定向量列表的余弦距离的 numpy 数组。

array([[ 1.        ,  0.00638545,  0.28778769],
       [ 0.00638545,  1.        ,  0.21402251],
       [ 0.28778769,  0.21402251,  1.        ]])

这就是我所做的：使用 itertools.combinations 获得所有组合。计算每对的距离。然后，将距离度量实际放置在“正确”单元格（需要列表中原始向量的索引）变得有点混乱。

combs = list(itertools.combinations(k, 2))
print combs

是否有一种“更简洁”或“pythonic”的方式来获取最终距离矩阵？

【问题讨论】：

既然你已经标记了Scipy - 你看过cdist, pdist, squareform in Scipy吗？
嗯，方形看起来很有希望。我知道 pdist，cdist。感谢您指出。让我试一试。
还要注意距离矩阵是对称的，对角线为1，只需要计算一个三角形部分。
即只计算 i
distance 矩阵的对角线将为 0。

标签： python numpy scipy

【解决方案1】：

根据@Divakar 的建议，我得到了我想要的。对于那些正在寻找答案的人来说，这里是 sn-p：

distance_vectors = [cosine_distance([pair[0]], [pair[1]]) for pair in combs]
print distance_vectors

distance_vectors = [x[0][0] for x in distance_vectors]
print distance_vectors
X = squareform(np.array(distance_vectors))
print X

而且，是的（感谢@Warren），距离矩阵的对角线为零。

【讨论】：

pdist 有一个余弦度量。因此，您可以直接使用它，从而避免第一步的循环。

【解决方案2】：

再次感谢@Divakar，这是一种更紧凑的方式：

k = [[2, 4, 7], [3, 4, 7], [5,1,3]]
dm = pdist(np.array(k), 'cosine')
dm = squareform(dm)
print dm

再好不过了！！

谢谢！

【讨论】：