在numpy中找到n个点到m个点之间的平方距离

Question

我有 2 个 numpy 数组（比如 X 和 Y），每行代表一个点向量。
我想找到 X 中的每个点到 Y 中的每个点之间的平方欧氏距离（将称之为 'dist'）。
我希望输出是矩阵 D，其中 D(i,j) 是 dist(X(i) , Y(j)).

我有以下 python 代码基于：http://nonconditional.com/2014/04/on-the-trick-for-computing-the-squared-euclidian-distances-between-two-sets-of-vectors/

def get_sq_distances(X, Y):
    a = np.sum(np.square(X),axis=1,keepdims=1)
    b = np.ones((1,Y.shape[0]))
    c = a.dot(b)
    a = np.ones((X.shape[0],1))
    b = np.sum(np.square(Y),axis=1,keepdims=1).T
    c += a.dot(b)
    c -= 2*X.dot(Y.T)
    return c

我试图避免循环（我应该吗？）并使用矩阵乘法来进行快速计算。但是我在大型阵列上遇到 "Memory Error" 的问题。也许有更好的方法来做到这一点？

Answer 1

Scipy 的 cdist 函数完全符合您的要求：

from scipy.spatial import distance
distance.cdist(X, Y, 'sqeuclidean')

上面链接的文档有一些很好的例子。

在numpy中找到n个点到m个点之间的平方距离

Finding squared distances beteen n points to m points in numpy

python

performance

numpy

euclidean-distance