Python Numpy 高效极地欧氏距离

Question

我有一个包含 n 个极坐标的列表，以及一个接受两个坐标的距离函数。

我想创建一个 n x n 矩阵，其中包含我函数下的成对距离。我意识到我可能需要对 numpy 使用某种形式的矢量化，但不确定具体如何操作。

Answer 1

您可以使用 scipy.spatial.distance.pdist。但是，如果您要计算的距离是欧几里德距离，您最好将点转换为直角坐标，因为这样 pdist 将使用其内置的欧几里德距离快速进行计算。

Answer 2

下面有一个简单的代码段供大家参考

import numpy as np

length = 10

coord_r = np.random.rand(length)*10
coord_alpha = np.random.rand(length)*np.pi

# Repeat vector to matrix form
coord_r_X = np.tile(coord_r, [length,1])
coord_r_Y = coord_r_X.T
coord_alpha_X = np.tile(coord_alpha, [length,1])
coord_alpha_Y = coord_alpha_X.T

matDistance = np.sqrt(coord_r_X**2 + coord_r_Y**2 - 2*coord_r_X*coord_r_Y*np.cos(coord_alpha_X - coord_alpha_Y))
print matDistance

Python Numpy 高效极地欧氏距离

Python Numpy efficient Polar euclidean distance

python

numpy

matrix

vectorization

euclidean-distance