Python 中的欧氏距离

Question

我有两个 3000x3 向量，我想计算它们之间的一对一欧氏距离。比如vec1就是

vec2是

我希望得到的结果是

我试过scipy.spatial.distance.cdist(vec1,vec2)，它returns 是一个 3000x3000 矩阵，而我只需要主对角线。我也试过 np.sqrt(np.sum((vec1-vec2)**2 for vec1,vec2 in zip(vec1,vec2))) 但它对我的目的不起作用。请问有什么方法可以计算距离吗？如果有任何意见，我将不胜感激。

Answer 1

cdist 返回一个 3000 x 3000 的数组，因为它计算两个输入数组中每对行向量之间的距离。

要仅计算相应行索引之间的距离，您可以使用 np.linalg.norm:

a = np.repeat((np.arange(3000) + 1)[:, None], 3, 1)
b = a + 1

dist = np.linalg.norm(a - b, axis=1)

或使用标准向量化数组运算：

dist = np.sqrt(((a - b) ** 2).sum(1))

Answer 2

这是另一种可行的方法。它仍然使用 np.linalg.norm 函数，但它会处理数据，如果您需要的话。

import numpy as np
vec1='''1 1 1
    2 2 2
    3 3 3
    4 4 4'''
vec2='''2 2 2
    3 3 3
    4 4 4
    5 5 5'''

process_vec1 = np.array([])
process_vec2 = np.array([])

for line in vec1:
    process_vec1 = np.append( process_vec1, map(float,line.split()) )
for line in vec2:
    process_vec2 = np.append( process_vec2, map(float,line.split()) )

process_vec1 = process_vec1.reshape( (len(process_vec1)/3, 3) )
process_vec2 = process_vec2.reshape( (len(process_vec2)/3, 3) )

dist = np.linalg.norm( process_vec1 - process_vec2 , axis = 1 )

print dist

[1.7320508075688772 1.7320508075688772 1.7320508075688772 1.7320508075688772]

Python 中的欧氏距离

Euclidean distance in Python

python

numpy

scipy

distance