亲宝软件园·资讯

展开

python scipy.spatial.distance

是梦吧,是你吧! 人气:0

1 scipy.spatial

from scipy import spatial

在scipy.spatial中最重要的模块应该就是距离计算模块distance了。

2 scipy.spatial.distance.cdist

2.1 语法

scipy.spatial.distance.cdist(XA, XB, metric='euclidean', 
                             p=None, V=None, VI=None, w=None)

该函数用于计算两个输入集合的距离,通过metric参数指定计算距离的不同方式得到不同的距离度量值。

2.2 metric的取值

braycurtis
 canberra
 chebyshev:切比雪夫距离
 cityblock
 correlation:相关系数
 cosine:余弦夹角
 dice
 euclidean:欧式距离
 hamming:汉明距离
 jaccard:杰卡德相似系数
 kulsinski
 mahalanobis:马氏距离
 matching
 minkowski:闵可夫斯基距离
 rogerstanimoto
 russellrao
 seuclidean:标准化欧式距离
 sokalmichener
 sokalsneath
 sqeuclidean
 wminkowski
 yule

2.3 常用欧氏距离计算 

from scipy.spatial.distance import cdist
import numpy as np
x1 =np.array([(1,3),(2,4),(5,6)])
x2 =[(3,7),(4,8),(6,9)]
cdist(x1,x2,metric='euclidean')
 
#=================结果=================
 
array([[ 4.47213595,  5.83095189,  7.81024968],
       [ 3.16227766,  4.47213595,  6.40312424],
       [ 2.23606798,  2.23606798,  3.16227766]])

解析上述计算过程:结果数组中的第一行数据表示的是x1数组中第一个元素点与x2数组中各个元素点的距离,计算两点之间的距离,以点(1,3)与(3,7)点的距离为例:

np.power((1-3)**2 +(3-7)**2,1/2)
 
#=================结果=================
 
4.4721359549995796

加载全部内容

相关教程
猜你喜欢
用户评论