python - scipy pdist 只得到两个最近的邻居

Question

我一直在用 scipy 计算成对距离，我正试图获得到两个最近邻居的距离。我目前的工作解决方案是：

dists = squareform(pdist(xs.todense()))
dists = np.sort(dists, axis=1)[:, 1:3]

但是，在我的情况下，方形方法在空间上非常昂贵并且有些多余。我只需要两个最近的距离，而不是全部。有简单的解决方法吗？

谢谢！

Answer 1

线性索引和上三角距离矩阵的 (i, j) 之间的关系不是直接或容易地可逆的（参见squareform doc中的注释 2 ）。

但是，通过遍历所有索引，可以获得反比关系：

import numpy as np
import matplotlib.pyplot as plt

from scipy.spatial.distance import pdist

def inverse_condensed_indices(idx, n):
    k = 0
    for i in range(n):
        for j in range(i+1, n):
            if k == idx:
                return (i, j)
            k +=1
    else:
        return None

# test
points = np.random.rand(8, 2)
distances = pdist(points)
sorted_idx = np.argsort(distances)
n = points.shape[0]
ij = [inverse_condensed_indices(idx, n)
      for idx in sorted_idx[:2]]

# graph
plt.figure(figsize=(5, 5))
for i, j in ij:
    x = [points[i, 0], points[j, 0]]
    y = [points[i, 1], points[j, 1]]
    plt.plot(x, y, '-', color='red');

plt.plot(points[:, 0], points[:, 1], '.', color='black');
plt.xlim(0, 1); plt.ylim(0, 1);

它似乎比使用快一点squareform：

%timeit squareform(range(28))
# 9.23 µs ± 63 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit inverse_condensed_indices(27, 8)
# 2.38 µs ± 25 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)