为了解决一个问题，我需要所有向量之间的曼哈顿距离。我试过sklearn.metrics.pairwise_distances了，但是尺寸太大了，所以为了减少内存占用，我曾经scipy.spatial.distance.pdist得到1D距离的压缩矩阵。
我使用了以下公式：
index = diagonalShape*(diagonalShape-1)/2 - (diagonalShape-i)*(diagonalShape-i-1)/2 + j - i - 1
计算1D矩阵的索引，得到 的距离值ij。
我观察到，对于许多条目，距离的形式scipy和sklearn. 当两个图书馆用于计算城市街区距离的公式相同时，为什么会这样？