令 A,B
为 ((day,observation,dim))
数组。对于给定的一天,每个数组都包含相同数量的观察值,一个观察值是一个具有暗维度的点(即暗 float )。对于每一天,我都想计算当天 A
和 B
中所有观测值之间的空间距离。
例如:
import numpy as np
from scipy.spatial.distance import cdist
A, B = np.random.rand(50,1000,10), np.random.rand(50,1000,10)
output = []
for day in range(50):
output.append(cdist(A[day],B[day]))
我在哪里使用 scipy.spatial.distance.cdist
.
有没有更快的方法来做到这一点?理想情况下,我想为 output
获取一个 ((day,observation,observation))
数组,其中每天包含 A< 中观察值之间的成对距离
和 B
那天,同时以某种方式避免了几天的循环。
最佳答案
一种方法(尽管它需要大量内存)是巧妙地使用数组广播:
output = np.sqrt( np.sum( (A[:,:,np.newaxis,:] - B[:,np.newaxis,:,:])**2, axis=-1) )
编辑
但经过一些测试,似乎 scikit-learn 的 euclidean_distances
是大型阵列的最佳选择。 (请注意,我已将您的循环重写为列表理解。)
这是每天 100 个数据点:
# your own code using cdist
from scipy.spatial.distance import cdist
%timeit dists1 = np.asarray([cdist(x,y) for x, y in zip(A, B)])
100 loops, best of 3: 8.81 ms per loop
# pure numpy with broadcasting
%timeit dists2 = np.sqrt( np.sum( (A[:,:,np.newaxis,:] - B[:,np.newaxis,:,:])**2, axis=-1) )
10 loops, best of 3: 46.9 ms per loop
# scikit-learn's algorithm
from sklearn.metrics.pairwise import euclidean_distances
%timeit dists3 = np.asarray([euclidean_distances(x,y) for x, y in zip(A, B)])
100 loops, best of 3: 12.6 ms per loop
这是每天 2000 个数据点:
In [5]: %timeit dists1 = np.asarray([cdist(x,y) for x, y in zip(A, B)])
1 loops, best of 3: 3.07 s per loop
In [7]: %timeit dists3 = np.asarray([euclidean_distances(x,y) for x, y in zip(A, B)])
1 loops, best of 3: 2.94 s per loop
关于python - scipy 和 numpy 中的快速距离计算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31858530/