我有两个 2xN 值矩阵，我想使用“directed_hausdorff(u,v)”函数找到它们的 hausdorff 距离。但是，由于两个矩阵中的列数不相等，我想找到使用列数较少的矩阵的 hausdorff 距离。例如，如果我有
t = [(1,2,3,9), (4,5,6,7)]
l = [(3,4,5), (7,8,9)]
l有 3 列，t有 4 列。因为t比l我想修改的要大t，所以它的大小相同，l所以我可以计算相同大小的矩阵之间的 hausdorff 距离，基本上变成
t = [(1,2,3), (4,5,6)]
l = (3,4,5), (7,8,9)]
我想将此应用于任何两个 2xN（不同大小）的矩阵，在其中我确定哪个矩阵具有更多列，然后通过消除从最后一列开始的元素来修改较大的矩阵，使其等于较小矩阵的大小。是否有一种快捷方法可以自己输出两个列表？
我不知道现有的函数，但如果是 Numpy 数组t，l那么你可以用相当短的代码来完成这个，而不需要复制内存中的数据。
import numpy as np
from scipy.spatial.distance import directed_hausdorff
...
t = np.array(t)
l = np.array(l)
num_cols = min(t.shape[1], l.shape[1])
distance = directed_hausdorff(t[:, :num_cols], l[:, :num_cols])
该表达式t.shape[1]表示数组沿维度（或“轴”）1 的大小，即列数（而行数为t.shape[0]）。索引语法t[:, :num_cols]意味着对于每一行（“ :”），获取第一num_cols列（“ :num_columns”）。逗号分隔每个维度的索引范围。