numpy 中 linalg.norm 的不同结果答案

【问题标题】：Different results for linalg.norm in numpynumpy 中 linalg.norm 的不同结果
【发布时间】：2016-07-05 22:16:06
【问题描述】：

我正在尝试根据某些特征创建一个特征矩阵，然后找到项目的黑白距离。出于测试目的，我现在只使用 2 个点。

数据：我拥有的项目列表

specs : 项目的特征字典（我使用它们的键值作为项目的特征）

功能：功能列表

这是我使用 numpy 零矩阵的代码：

import numpy as np
matrix = np.zeros((len(data),len(features)),dtype=bool)
for dataindex,item in enumerate(data):
    if dataindex > 5:
    break
specs = item['specs']
values = [value.lower() for value in specs.values()]
for idx,feature in enumerate(features):
    if(feature in values):
        matrix[dataindex,idx] = 1
        print dataindex,idx
v1 = matrix[0]
v2 = matrix[1]
# print v1.shape
diff = v2 - v1
dist = np.linalg.norm(diff)
print dist

我得到的 dist 值是 1.0

这是我使用 python 列表的代码：

matrix = []
for dataindex,item in enumerate(data):
    if dataindex > 5:
        f = open("Matrix.txt",'w')
        f.write(str(matrix))
        f.close()
        break
    print "Item" + str(dataindex)
    row = []
    specs = item['specs']
    values = [value.lower() for value in specs.values()]
    for idx,feature in enumerate(features):
        if(feature in values):
            print dataindex,idx
            row.append(1)
        else:
            row.append(0)
    matrix.append(row)

v1 = np.array(matrix[0]);
v2 = np.array(matrix[1]);
diff = v2 - v1
print diff
dist = np.linalg.norm(diff)
print dist

本例中 dist 的值为 4.35889894354

我已经检查了很多次，在这两种情况下，值 1 都设置在相同的位置，但答案不同。

可能是我没有正确使用 numpy 或者逻辑有问题。我正在使用基于 numpy 零的矩阵，因为它的内存效率很高。

有什么问题？

【问题讨论】：

标签： python numpy matrix feature-extraction euclidean-distance

【解决方案1】：

这是一个类型问题：

In [9]: norm(ones(3).astype(bool))
Out[9]: 1.0

In [10]: norm(ones(3).astype(float))
Out[10]: 1.7320508075688772

您必须确定适合您问题的标准，并最终使用astype 投射您的数据。

norm(M) 是 sqrt(dot(M.ravel(),M.ravel())) ，所以对于布尔矩阵，norm(M) 是 0。如果 M 是 False 矩阵， 1. 否则。使用norm 的ord 参数来调整函数。

【讨论】：