Python Numpy 高效极地欧式距离答案

【问题标题】：Python Numpy efficient Polar euclidean distancePython Numpy 高效极地欧式距离
【发布时间】：2015-04-21 17:28:07
【问题描述】：

我有一个包含 n 个极坐标的列表，以及一个包含两个坐标的距离函数。

我想创建一个 n x n 矩阵，其中包含我的函数下的成对距离。我意识到我可能需要在 numpy 中使用某种形式的矢量化，但我不确定该怎么做。

【问题讨论】：

你的问题的标题和它的标签之一说“欧几里得距离”，但文字只是说“距离函数”。您实际上是在尝试计算欧几里得距离，还是只是一些任意距离函数？

标签： python numpy matrix vectorization euclidean-distance

【解决方案1】：

下面是一个简单的代码段供您参考

import numpy as np

length = 10

coord_r = np.random.rand(length)*10
coord_alpha = np.random.rand(length)*np.pi

# Repeat vector to matrix form
coord_r_X = np.tile(coord_r, [length,1])
coord_r_Y = coord_r_X.T
coord_alpha_X = np.tile(coord_alpha, [length,1])
coord_alpha_Y = coord_alpha_X.T

matDistance = np.sqrt(coord_r_X**2 + coord_r_Y**2 - 2*coord_r_X*coord_r_Y*np.cos(coord_alpha_X - coord_alpha_Y))
print matDistance

【讨论】：

【解决方案2】：

您可以使用scipy.spatial.distance.pdist。但是，如果您要计算的距离是欧几里德距离，您最好将点转换为直角坐标，因为 pdist 将使用其内置的欧几里德距离非常快速地进行计算。

【讨论】：