21

我想计算 2 个数组之间的多维（24 维）欧几里得距离。我正在使用 numpy-Scipy。

这是我的代码：

import numpy,scipy;

A=numpy.array([116.629, 7192.6, 4535.66, 279714, 176404, 443608, 295522, 1.18399e+07, 7.74233e+06, 2.85839e+08, 2.30168e+08, 5.6919e+08, 168989, 7.48866e+06, 1.45261e+06, 7.49496e+07, 2.13295e+07, 3.74361e+08, 54.5, 3349.39, 262.614, 16175.8, 3693.79, 205865]);

B=numpy.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 151246, 6795630, 4566625, 2.0355328e+08, 1.4250515e+08, 3.2699482e+08, 95635, 4470961, 589043, 29729866, 6124073, 222.3]);

但是，我曾经scipy.spatial.distance.cdist(A[numpy.newaxis,:],B,'euclidean')计算欧几里登距离。

但它给了我一个错误

raise ValueError('XB must be a 2-dimensional array.');

我似乎不明白。

我查了一下，scipy.spatial.distance.pdist但不明白如何使用它？

还有其他更好的方法吗？

4

7 回答 7

24

也许scipy.spatial.distance.euclidean？

例子

>>> from scipy.spatial import distance
>>> distance.euclidean([1, 0, 0], [0, 1, 0])
1.4142135623730951
>>> distance.euclidean([1, 1, 0], [0, 1, 0])
1.0
于 2012-02-23T17:24:07.690 回答
15

使用任一

numpy.sqrt(numpy.sum((A - B)**2))

或更简单地说

numpy.linalg.norm(A - B)
于 2012-02-23T14:15:36.137 回答
8

开始Python 3.8，您可以使用标准库的math模块及其新dist函数，它返回两点之间的欧几里德距离（以坐标列表或元组形式给出）：

from math import dist

dist([1, 0, 0], [0, 1, 0]) # 1.4142135623730951
于 2019-01-15T10:46:42.630 回答
7

A并且B是 24 维空间中的 2 个点。你应该使用scipy.spatial.distance.euclidean.

文档在这里

scipy.spatial.distance.euclidean(A, B)
于 2012-02-23T14:25:20.223 回答
4

除了已经提到的计算欧几里得距离的方法之外，这里还有一种接近原始代码的方法：

scipy.spatial.distance.cdist([A], [B], 'euclidean')

或者

scipy.spatial.distance.cdist(np.atleast_2d(A), np.atleast_2d(B), 'euclidean')

np.ndarray这将返回一个保持 L2 距离的 1×1 。

于 2012-02-23T14:29:38.507 回答
4

由于上述所有答案都指的是 numpy 和/或 scipy，所以只想指出，这里的 reduce 可以完成一些非常简单的事情

def n_dimensional_euclidean_distance(a, b):
   """
   Returns the euclidean distance for n>=2 dimensions
   :param a: tuple with integers
   :param b: tuple with integers
   :return: the euclidean distance as an integer
   """
   dimension = len(a) # notice, this will definitely throw a IndexError if len(a) != len(b)

   return sqrt(reduce(lambda i,j: i + ((a[j] - b[j]) ** 2), range(dimension), 0))

这将对维度数中的所有 j 求和所有 (a[j] - b[j])^2 对（请注意，为简单起见，这不支持 n<2 维距离）。

于 2017-12-12T21:29:32.560 回答
0

编写自己的自定义平方根和平方并不总是安全的

您可以使用 math.hypot、numpy.hypot 或 scipy 距离函数，而不是编写numpy.sqrt(numpy.sum((A - B)**2))或(i**2 + j**2)**0.5. 在您的情况下，它们可能会溢出

参考

速度明智

%%timeit
math.hypot(*(A - B))
# 3 µs ± 64.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%%timeit
numpy.sqrt(numpy.sum((A - B)**2))
# 5.65 µs ± 50.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

安全明智

下溢

i, j = 1e-200, 1e-200
np.sqrt(i**2+j**2)
# 0.0

溢出

i, j = 1e+200, 1e+200
np.sqrt(i**2+j**2)
# inf

无下溢

i, j = 1e-200, 1e-200
np.hypot(i, j)
# 1.414213562373095e-200

无溢出

i, j = 1e+200, 1e+200
np.hypot(i, j)
# 1.414213562373095e+200
于 2021-09-18T10:33:16.203 回答