我在谷歌地图上的一条路上连续有 11 个点当我计算在相邻点之间行驶所需的时间并将它们加在一起时，总结果与在第一点和最后一点之间行驶所需的时间不同

IE

任何人都可以举例说明为什么会这样。

我正在使用凝聚聚类技术对车辆数据集进行聚类。我使用了两种方法来计算距离矩阵，一种是使用 scipy.spatial.distance.euclidean，另一种是使用 scipy.spatial-distance_matrix。

所以根据我的理解，我应该在这两种情况下得到相同的结果。我想我得到了，但是当我比较两种方法的某些元素的输出时，我得到的输出是错误的。为什么会这样？

重现步骤 ：

计算距离矩阵。

正如您所看到的，即使在比较两个矩阵时两个结果都相同，但我无法对每个元素都正确

我有包含 Lat long 数据的 DataSet。

使用这些数据，我计算了距离矩阵，其中 M[i][j] 是 ID:i 和 ID:j 之间的距离。

使用以下代码计算距离：

有没有找到半径 X 英里内的集群的最佳方法。

大多数当前集群，如“DBSCAN”K-Means 提供了最小距离和最小样本的选项，但是我正在寻找提供最大距离的聚类方法。

其次，如果不需要，我可以不计算距离矩阵。

我是编程新手，这是我发布的第一个问题，所以请耐心等待 :) 我正在尝试从交易数据创建一个距离矩阵，以便我可以进行聚类并分析一起购买的产品。我使用 pandas.get_dummies 将事务表示为行，将产品表示为列。原始数据集非常大，有 200 列和超过 300.000 行。为了首先理解这个概念，我使用了这个测试数据。

我希望矩阵看起来像这样（请忽略这些值）。 https://imgur.com/a/uFvM9nv

我已经尝试过 scipy pdist 函数（参见下面的代码），但它正在计算交易的距离，而不是我想要的单个产品。

你能告诉我如何为产品创建这个距离矩阵吗？非常感谢！

考虑我们有一个名为Pred的数据框的数据框。

它由每行 1 个用户组成。

用户由其唯一的用户 ID指定指定。

用户可以按集群分组他们所属

用户报告了他们对任务的信心和挑战，此信息保存为Conf和Chall。

请注意，Conf和Chall都具有相同的范围，即1-6。

假设我们制作了一个散点图，其中Conf在 x 轴上，Chall在 y 轴上。

要点：

将在穿过原点的对角线上。

现在我有兴趣根据他们的坐标找到每个用户到对角线的距离：

总体而言，该问题涉及找到点（Conf，Chall）与对角线的距离。

笔记：请注意，我对绘制图表不感兴趣。我对计算距离向量很感兴趣。

我理解，这可能是一个非常基本的问题，但过去几天我一直在努力。一个简单的演示示例代码将帮助我理解这个问题。

我将不胜感激任何指导！

我有一个形式的多个序列（长度不等）：

序列的长度约为 1000-2000。共有38个序列。我需要对这些执行层次聚类，为此我定义了一个基于加权 DTW（动态时间规整）的自定义距离度量：

有没有办法使用myMetric作为距离度量来有效地计算上述系列的距离矩阵？遍历整个系列将是O(n^2)并且对于我的系统上的 38 个序列花费的时间太长。此外，我尝试使用sklearn.metrics.pairwise_distances，

dist = pairwise_distances(series, metric=myMetric)

但这要求系列长度相等，并引发以下错误：

我正在尝试使用 request.get(url,parameter) 在 bing 地图距离矩阵 api 中传递参数，但它没有以正确的顺序传递

我试过这个

但它给出了回应：

'https://dev.virtualearth.net/REST/v1/Routes/DistanceMatrix?origins=47.6044&origins=-122.3345&destinations=latitude&destinations=longitude&travelMode=driving&key=my_key'

谁能帮我这个。

虽然它应该是这样的

'https://dev.virtualearth.net/REST/v1/Routes/DistanceMatrix?origins=47.6044,-122.3345;47.6731,-122.1185;47.6149,-122.1936&destinations=47.4747,-122.2057&travelMode=driving&key=my_key'

编写一个从图（图论）生成距离矩阵的代码，该代码应该使用邻接矩阵，并且不能使用 NetworkX 模块中的任何函数，除了 networkx.adjacency_matrix()。

我了解距离矩阵如何工作的过程。我关于邻接矩阵如何参与的理论是，它需要一个连接两个节点的元素并将距离相加。例如，假设我有节点 A、B 和 C。A 连接到 B，B 连接到 C。两个连接节点之间的距离为 1。所以从 A 到 C 的距离为 2。

我唯一的问题是我如何将它实现到代码中，以便它为任何给定的图形创建一个距离矩阵。

感谢您的帮助，对不起，如果我的解释不清楚，如果您希望我澄清任何事情，请告诉我。

我们希望将余弦相似度与层次聚类一起使用，并且我们已经计算了余弦相似度。在 sklearn.cluster.AgglomerativeClustering 文档中它说：

需要距离矩阵（而不是相似度矩阵）作为拟合方法的输入。

因此，我们将余弦相似度转换为距离

我们的 python 代码在fit()最后的方法中产生错误。（我没有X在代码中写出真正的值，因为它非常大。）X 只是一个余弦相似度矩阵，其值已转换为上面所写的距离。注意对角线，全为 0。）这是代码：

错误是：

有什么我可以提供的吗？已经谢谢了。

我随机生成了一个矩阵：mtx=numpy.random.rand(100,3) 然后我尝试使用以下方法将矩阵的维数减少到 2：

之后我想计算 的欧几里得距离矩阵newMTX，然后我做了：

RuntimeWarning: invalid value encountered in sqrt但是我遇到了一个我无法理解原因的错误（ ）。任何人都可以帮助我吗？

我已经尝试过：

但我遇到了同样的错误。

我搜索并找到了另一种解决方案：

但我不确定计算大矩阵的距离矩阵是否是一种有效的解决方案，例如 1000000*2 矩阵？

我想要实现的是 100*2 矩阵的 100*100 欧式距离矩阵newMTX

任何帮助将不胜感激！