np 数组之间的欧几里得距离答案

【问题标题】：Euclidean distance between np arraysnp 数组之间的欧几里得距离
【发布时间】：2016-02-15 08:48:00
【问题描述】：

我有两个 numpy 数组 a 和 b：

a 和 b 的尺寸相同，a 的尺寸可能与 b 不同。

例如：

a = [[1,2], ..., [5,7]]
b = [ [3,8], [4,7], ... [9,15] ]

是否有一种简单的方法可以计算 a 和 b 之间的欧几里得距离，以便可以在 k 最近邻学习算法中使用这个新数组。

注意：这是在python中

【问题讨论】：

【解决方案1】：

你可以使用 numpy.举个例子：

import numpy as np


a = np.array([3, 0])
b = np.array([0, 4])

c = np.sqrt(np.sum(((a - b) ** 2)))
# c == 5.0

【讨论】：

【解决方案2】：

您可以像这样使用 scipy.spatial.distance.cdist：

from scipy.spatial import distance

a = [[1,2], ..., [5,7]]
b = [ [3,8], [4,7], ... [9,15] ] 
dist = distance.cdist(a, b, 'euclidean')

仅当 a 和 b 的元素数量较少时，才可以使用此方法。如果有数百万个元素比它慢并且需要大量内存空间。 IE。假设“a”有 100 万个元素，“b”有 1000 个元素。您将得到 O(m*n)，其中 m=1000000 和 b=1000。

在这里您可以看到几个方法在效率方面的比较： Efficient and precise calculation of the euclidean distance

【讨论】：

【解决方案3】：

如果您想要的是 k 个最近的邻居，那么有比计算全距离矩阵（尤其是有很多点）更有效的方法。如果您想要快速的 k-neighbors 搜索，请查看 scipy 的 KDTree。

【讨论】：

【解决方案4】：

scipy.spatial.distance.cdist 会这样做。

【讨论】：