Python中的欧几里得距离答案

【问题标题】：Euclidean distance in PythonPython中的欧几里得距离
【发布时间】：2015-08-21 17:36:13
【问题描述】：

我有两个 3000x3 向量，我想计算它们之间的 1 对 1 欧几里得距离。比如vec1是

vec2 是

我想得到结果

我试过scipy.spatial.distance.cdist(vec1,vec2)，它返回一个 3000x3000 的矩阵，而我只需要主对角线。我也尝试了np.sqrt(np.sum((vec1-vec2)**2 for vec1,vec2 in zip(vec1,vec2)))，但它并没有达到我的目的。请问有什么方法可以计算距离吗？我会很感激任何 cmets。

【问题讨论】：

您是否将向量存储在列表中？
是的，在 2 个不同的文件中。以下帖子回答了我的问题。无论如何，谢谢。

标签： python numpy scipy distance

【解决方案1】：

cdist 会返回一个 3000 x 3000 的数组，因为它会计算两个输入数组中每个 pair 行向量之间的距离。

要仅计算相应行索引之间的距离，您可以使用np.linalg.norm：

a = np.repeat((np.arange(3000) + 1)[:, None], 3, 1)
b = a + 1

dist = np.linalg.norm(a - b, axis=1)

或者使用标准的向量化数组操作：

dist = np.sqrt(((a - b) ** 2).sum(1))

【讨论】：

【解决方案2】：

这是另一种可行的方法。它仍然使用np.linalg.norm 函数，但它会处理数据，如果您需要的话。

import numpy as np
vec1='''1 1 1
    2 2 2
    3 3 3
    4 4 4'''
vec2='''2 2 2
    3 3 3
    4 4 4
    5 5 5'''

process_vec1 = np.array([])
process_vec2 = np.array([])

for line in vec1:
    process_vec1 = np.append( process_vec1, map(float,line.split()) )
for line in vec2:
    process_vec2 = np.append( process_vec2, map(float,line.split()) )

process_vec1 = process_vec1.reshape( (len(process_vec1)/3, 3) )
process_vec2 = process_vec2.reshape( (len(process_vec2)/3, 3) )

dist = np.linalg.norm( process_vec1 - process_vec2 , axis = 1 )

print dist

[1.7320508075688772 1.7320508075688772 1.7320508075688772 1.7320508075688772]

【讨论】：

一般来说，使用向量化处理多行（例如np.linalg.norm(process_vec1 - process_vec2, axis=1)）会比使用map快得多，后者在Python而不是C中隐式迭代行。