如何计算 1d 和 nd 数组之间的距离公式？答案

【问题标题】：How to compute distance formula between a 1d and an nd array?如何计算 1d 和 nd 数组之间的距离公式？
【发布时间】：2018-12-14 05:43:41
【问题描述】：

我正在尝试减去一维数组：

probe = [1, 2, 3, 4, 5, 6]

来自 nd 数组中的每个元素：

k = np.array([["words words ", 1,1,3,4,6,7], ["blah blah", 2,8,7,5,3,2], [" please help me", 3,4, 5, 6, 7,1], [" What are you doing, man", 1,3,5,10,9,11]])

我删除了 k 数组的第 0 个索引并将这些值存储在 new_k 中，以便现在比较我要比较的两个数组中的值。

new_k = k
new_k = np.delete(new_k, 0, axis=1)

我正在尝试在 nd 数组中找到最接近输入的值。我需要帮助。

到目前为止，我已经设法到达这里，但我迷路了。：

for i in range(len(new_k)):
    for j in range(len(new_k[0][1])):
        temp[j] = (new_k[1][j] - probe[j])
        new_k[i][1] = temp

print(new_k)
new_k2 = new_k*new_k

上面的代码抛出这个错误：

TypeError: ufunc 'subtract' did not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32')

另外：我知道如何通过将单个值与值数组进行比较来获得“最接近的值”，但我想通过数组到数组来做到这一点

【问题讨论】：

能否请您粘贴完整的代码。正如 new_k 所说的未知。
你的 new_k 在哪里？

标签： python arrays numpy numpy-ndarray

【解决方案1】：

Numpy 数组并不意味着具有多种数据类型。 k 实际上是一个字符串数组，因此您的数组k 中没有要减去的数字数据类型。

如果您想保留第一列字符串，您应该查看 pandas 数据框。您可以将字符串保留为数据框的索引，但仍将其作为数字数据数组进行操作。使用您的数据，您可以执行以下操作：

df = pd.DataFrame(k[:, 1:].astype(int), index=k[:, 0])
df - probe

【讨论】：

【解决方案2】：

np.asarray(k[:,1:], dtype=int) - probe

【讨论】：

【解决方案3】：

问题在于 numpy 不像普通列表，它一次只包含唯一类型的元素。如果有超过 1 种类型，则全部转换为 U32，即 string。当您从列表中删除第一个元素时，其余元素仍然是字符串类型，而不是 int。您应该已将它们转换为 int。因此会引发此错误：

TypeError: ufunc 'subtract' did not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32')

当你尝试这个时：

temp[j] = (new_k[1][j] - probe[j])

【讨论】：

【解决方案4】：

In [263]: probe = [1, 2, 3, 4, 5, 6]

k 有一个 dtype 可以容纳字符串：

In [264]: k = np.array([["words words ", 1,1,3,4,6,7], ["blah blah", 2,8,7,5,3,2
     ...: ], [" please help me", 3,4, 5, 6, 7,1], [" What are you doing, man", 1
     ...: ,3,5,10,9,11]])
In [265]: k
Out[265]: 
array([['words words ', '1', '1', '3', '4', '6', '7'],
       ['blah blah', '2', '8', '7', '5', '3', '2'],
       [' please help me', '3', '4', '5', '6', '7', '1'],
       [' What are you doing, man', '1', '3', '5', '10', '9', '11']],
      dtype='<U24')

但是通过切掉第一列，剩下的可以转换成整数数组：

In [266]: k[:, 1:].astype(int)
Out[266]: 
array([[ 1,  1,  3,  4,  6,  7],
       [ 2,  8,  7,  5,  3,  2],
       [ 3,  4,  5,  6,  7,  1],
       [ 1,  3,  5, 10,  9, 11]])

这是一个 (4,6) 数组。 np.array(probe) 是 (6,);广播让我们减去它：

In [270]: k[:, 1:].astype(int) - np.array(probe)
Out[270]: 
array([[ 0, -1,  0,  0,  1,  1],
       [ 1,  6,  4,  1, -2, -4],
       [ 2,  2,  2,  2,  2, -5],
       [ 0,  1,  2,  6,  4,  5]])

【讨论】：