如何计算numpy数组的行对之间的欧几里得距离答案

【问题标题】：How to calculate euclidean distance between pair of rows of a numpy array如何计算numpy数组的行对之间的欧几里得距离
【发布时间】：2017-09-08 02:01:53
【问题描述】：

我有一个numpy 数组，例如：

import numpy as np
a = np.array([[1,0,1,0],
             [1,1,0,0],
             [1,0,1,0],
             [0,0,1,1]])

我想在每对行之间计算euclidian distance。

from scipy.spatial import distance
for i in range(0,a.shape[0]):
    d = [np.sqrt(np.sum((a[i]-a[j])**2)) for j in range(i+1,a.shape[0])]
    print(d)

[1.4142135623730951, 0.0, 1.4142135623730951]

[1.4142135623730951, 2.0]

[1.4142135623730951]

[]

由于我必须在一个巨大的 numpy 数组上运行此代码，因此有没有更好的 Pythonic 方式来执行此操作？

【问题讨论】：

这些点的尺寸是任意的，还是总是4d？
你看了吗：distance.pdist？这应该解决它：distance.pdist(a)。最终的输出应该是什么样的？
@Divakar 在所有行向量对之间的欧几里得距离中我想要k个最远的向量。
@divakar 先生，成功了
另外，看看 KDTree - docs.scipy.org/doc/scipy-0.14.0/reference/generated/…

标签： python numpy euclidean-distance

【解决方案1】：

为了完整起见，einsum 通常用于计算距离。

a = np.array([[1,0,1,0],
         [1,1,0,0],
         [1,0,1,0],
         [0,0,1,1]])

b = a.reshape(a.shape[0], 1, a.shape[1])

np.sqrt(np.einsum('ijk, ijk->ij', a-b, a-b))

array([[ 0.        ,  1.41421356,  0.        ,  1.41421356],
       [ 1.41421356,  0.        ,  1.41421356,  2.        ],
       [ 0.        ,  1.41421356,  0.        ,  1.41421356],
       [ 1.41421356,  2.        ,  1.41421356,  0.        ]])

【讨论】：

【解决方案2】：

我使用了itertools.combinations和np.linalg.norm的差分向量（这是欧几里得距离）：

import numpy as np
import itertools
a = np.array([[1,0,1,0],
              [1,1,0,0],
              [1,0,1,0],
              [0,0,1,1]])

print([np.linalg.norm(x[0]-x[1]) for x in itertools.combinations(a, 2)])

为了理解，请查看docs 中的此示例：
combinations('ABCD', 2) 给出AB AC AD BC BD CD。在您的情况下，A、B、C 和 D 是矩阵 a 的行，因此上述代码中出现的术语 x[0]-x[1] 是行中向量的差向量a.

【讨论】：

【解决方案3】：

就更“优雅”的东西而言，您始终可以使用 scikitlearn 成对欧式距离：

from sklearn.metrics.pairwise import euclidean_distances
euclidean_distances(a,a)

具有与单个数组相同的输出。

array([[ 0.        ,  1.41421356,  0.        ,  1.41421356],
       [ 1.41421356,  0.        ,  1.41421356,  2.        ],
       [ 0.        ,  1.41421356,  0.        ,  1.41421356],
       [ 1.41421356,  2.        ,  1.41421356,  0.        ]])

【讨论】：

我认为它给了我每对点之间的欧几里德距离，但我希望它在每对行之间。考虑一行代表一个一维向量。
很抱歉我忘了在我的问题中提到一行是一个一维向量。
那行得通。谢谢你。我弄错了。每个条目是 mXn 数组的第 i 行和第 j 行之间的距离，其中 i