确定数据集中相邻点之间的平均欧氏距离

Question

我想计算二维数据集（xCoords，yCoords）中的平均欧氏距离，但仅限于相邻点之间。

举个例子：

xCoords = [[16.8742 10.7265 30.0538 10.4524 12.6483 15.5349 10.2094 28.6425 9.2882]]

yCoords = [[14.5835  6.0766 12.7006  4.3638  5.0318 14.2657  8.3131 15.8346 6.1746]]

我想求点之间的欧几里德距离，但仅限于那些彼此相邻的点。我的任务可能有 numpy、scipy 或 sklearn 函数（或其他函数）吗？

编辑：

举例说明：

我想要的：

我不想要的：

我不想计算每个数据点到所有其他数据点的欧氏距离。

Answer 1

Sklearn 具有 eucliedean_distances 函数：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.euclidean_distances.html

>>> from sklearn.metrics.pairwise import euclidean_distances
>>> X = [[0, 1], [1, 1]]
>>> # distance between rows of X
>>> euclidean_distances(X, X)
array([[0., 1.],
       [1., 0.]])
>>> # get distance to origin
>>> euclidean_distances(X, [[0, 0]])
array([[1.        ],
       [1.41421356]])

函数 return 一个矩阵，每对坐标之间具有欧氏距离，如果这不是您所需要的，您可以使用您想要获得那些“相邻距离”的规则过滤该矩阵。

或者您可能需要某种聚类算法（如 k-means），它将最近的点划分为簇，然后得到每个簇的平均距离。

确定数据集中相邻点之间的平均欧氏距离

Determining the average euclidean distance between neighbouring points in dataset

python

algorithm

numpy

scipy

euclidean-distance