我在 python 中有一个包含 100 个值的列表,其中列表中的每个值对应一个 n 维列表。
例如
x=[[1 2],[2 3]] is a 2d list
我想计算所有这些点的欧几里得范数。有没有标准的方法来做到这一点?
如果我正确解释了这个问题,那么您有一个包含 100 个 n 维向量的列表,并且您想要一个它们的(欧几里得)范数列表。
我认为在这里使用 numpy 是最简单的(也是最快的!),
import numpy as np
a = np.array(x)
np.sqrt((a*a).sum(axis=1))
如果向量不具有相等的维度,或者如果您想避免使用 numpy,那么也许,
[sum([i*i for i in vec])**0.5 for vec in x]
或者,
import math
[math.sqrt(sum([i*i for i in vec])) for vec in x]
编辑:不完全确定您要的是什么。因此,或者:看起来您有一个列表,其中的每个元素都是一个 n 维向量,并且您想要每个连续对之间的欧几里得距离。使用 numpy(假设 n 是固定的),
x = [ [1,2,3], [4,5,6], [8,9,10], [13,14,15] ] # 3D example.
import numpy as np
a = np.array(x)
sqrDiff = (a[:-1] - a[1:])**2
np.sqrt(sqrDiff.sum(axis=1))
最后一行返回的地方,
array([ 5.19615242, 6.92820323, 8.66025404])
我在 scipy 上找到了这个,这很有效。 scipy
试试这个代码:
from math import sqrt
valueList = [[[1,2], [2,3]], [[2,2], [3,3]]]
def distance(valueList):
resultList = []
for (point1, point2) in valueList:
resultList.append(sqrt(sum(map(lambda (x1, x2): (x1 - x2) * (x1 - x2), zip(point1, point2)))))
return resultList
print distance(valueList)
输出为 [1.4142135623730951, 1.4142135623730951]
这是 valuelist 包含 2 个值,但 100 个值没有问题..
您可以这样做来计算每一行的欧几里得范数:
>>> a = np.arange(200.).reshape((100,2))
>>> a
array([[ 0., 1.],
[ 2., 3.],
[ 4., 5.],
[ 6., 7.],
[ 8., 9.],
[ 10., 11.],
...
>>> np.sum(a**2,axis=-1) ** .5
array([ 1. , 3.60555128, 6.40312424, 9.21954446,
12.04159458, 14.86606875, 17.69180601, 20.51828453,
23.34523506, 26.17250466, 29. , 31.82766093,
34.6554469 , 37.48332963, 40.31128874, 43.13930922,
45.96737974, 48.7954916 , 51.623638 , 54.45181356,
...