python - 计算矩阵中一个点与所有其他点之间的距离

Question

我是 Python 的新手，我需要实现一个聚类算法。为此，我需要计算给定输入数据之间的距离。

考虑以下输入数据 -

    [[1,2,8],
     [7,4,2],
     [9,1,7],
     [0,1,5],
     [6,4,3]]

我想在这里实现的是，我想计算 [1,2,8] 与所有其他点的距离，并找到距离最小的点。

对于所有其他要点，我必须重复这一点。

我正在尝试使用 FOR 循环来实现它，但我确信 SciPy/NumPy 一定有一个函数可以帮助我有效地实现这个结果。

我在网上查看，但“pdist”命令无法完成我的工作。

有人可以指导我吗？

TIA

Answer 1

使用 np.linalg.norm 结合广播(numpy 外减法)，你可以:

np.linalg.norm(a - a[:,None], axis=-1)

a[:,None] 在a中插入一个新轴，a - a[:,None] 会做一行由广播引起的行减法。 np.linalg.norm 计算最后一个轴上的 np.sqrt(np.sum(np.square(...))):

---

a = np.array([[1,2,8],
     [7,4,2],
     [9,1,7],
     [0,1,5],
     [6,4,3]])

np.linalg.norm(a - a[:,None], axis=-1)
#array([[ 0.        ,  8.71779789,  8.1240384 ,  3.31662479,  7.34846923],
#       [ 8.71779789,  0.        ,  6.164414  ,  8.18535277,  1.41421356],
#       [ 8.1240384 ,  6.164414  ,  0.        ,  9.21954446,  5.83095189],
#       [ 3.31662479,  8.18535277,  9.21954446,  0.        ,  7.        ],
#       [ 7.34846923,  1.41421356,  5.83095189,  7.        ,  0.        ]])

元素[0,1], [0,2]例如对应于:

np.sqrt(np.sum((a[0] - a[1]) ** 2))
# 8.717797887081348

np.sqrt(np.sum((a[0] - a[2]) ** 2))
# 8.1240384046359608

分别。