Python scipy.spatial.distance.cdist 距离计算详解

1 scipy.spatial

from scipy import spatial

在scipy.spatial模块中，distance子模块是最核心的部分之一，专门用于处理各种距离计算任务。

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)

该函数旨在计算两个输入集合之间的距离，通过指定metric参数来选择不同的距离度量方式，从而获得相应的距离值。

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

到此这篇关于python scipy.spatial.distance 距离计算函数 的文章就介绍到这了,更多相关python scipy.spatial.distance 内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！