在点列表中计算到其邻居的最短距离答案

【问题标题】：Calculate shortest distances to their neighbours in a list of points在点列表中计算到其邻居的最短距离
【发布时间】：2018-07-07 14:53:59
【问题描述】：

我有一个 4 维数据集，比如 X。它恰好是 iris 数据集。我从这个集合中形成了一个包含 10 个数据点的子列表，称为 mu。对于这 10 个数据点中的每一个，我将计算以 mu 为单位的点到其最近邻居的 10 个最小平方距离的总和。这里最近的邻居可能包括来自原始数据集的数据点。我如何达到同样的效果？

我想我可以使用这样的东西 -

(np.array([min([np.linalg.norm(x-c)**2 for x in X]) for c in mu]))

但是这里的“x”不会排除正在考虑的点（“c”），不是吗？

【问题讨论】：

stackoverflow.com/questions/20109391/…

标签： python numpy

【解决方案1】：

如果可以安全地假设您的点是唯一的（这样您将永远不会有两个点完全重叠，您可以从列表理解中过滤掉相等的点：

np.array([min([np.linalg.norm(x-c)**2 for x in X if not np.array_equal(x, c)]) for c in mu]

然而，作为一个单行，这有点太长了，不容易阅读。因此，我建议以符合 PEP-8 的方式重写：

res = np.empty(len(mu)) # allocate space for result
for i, c in enumerate(mu):
    res[i] = min([np.linalg.norm(x-c)**2 
                  for x in X if not np.array_equal(x, c)])

尽管它不像单线那么优雅。

【讨论】：