Python - 稀疏向量/距离计算答案

【问题标题】：Python - sparse vectors/distance calculationPython - 稀疏向量/距离计算
【发布时间】：2019-11-24 04:05:23
【问题描述】：

我正在寻找 Python 中动态增长的向量，因为我事先不知道它们的长度。另外，我想计算这些稀疏向量之间的距离，最好使用 scipy.spatial.distance 中的距离函数（尽管欢迎任何其他建议）。任何想法如何做到这一点？（最初，它不需要高效。）

提前非常感谢！

【问题讨论】：

对于稀疏距离，请参阅 scikit-learn 中的 pairwise_distances。使用 scipy.spatial.distance，你必须例如cdist(X.todense(), Y.todense(), metric=...)

【解决方案1】：

您可以使用常规的 Python 列表（动态的）作为向量。下面是一个简单的例子。

from scipy.spatial.distance import sqeuclidean
a = [1,2,3]
b = [0,0,0]
print sqeuclidean(a,b) # 14

根据 aganders3 的建议，请注意，如果需要，您也可以使用 numpy 数组：

import numpy
a = numpy.array([1,2,3])

如果您的问题的稀疏部分至关重要，我会使用 scipy - 它支持稀疏矩阵。您可以定义一个 1xn 矩阵并将其用作向量。这行得通（参数是矩阵的大小，默认用零填充）：

sqeuclidean(scipy.sparse.coo_matrix((1,3)),scipy.sparse.coo_matrix((1,3))) # 0

有many kinds 的稀疏矩阵，一些基于字典（见评论）。您可以从这样的列表中定义行稀疏矩阵：

scipy.sparse.csr_matrix([1,2,3])

【讨论】：

【解决方案2】：

在 numpy 中你可以这样做：

import numpy as np


a = np.array([1, 2, 3])
b = np.array([0, 0, 0])

c = np.sum(((a - b) ** 2)) # 14

【讨论】：