假设，我们有
points1 = np.array([[0,0], [1,1], [0,1],[1,0]])
points2 = np.array([[2,1], [0,0], [1,0],[0,1]])
现在它们是按建筑顺序排列的不过，这只是一个mve，在我的应用程序中，每个数组的元素都将被洗牌。（这里我们可以使用
np.random.shuffle()）。如果查看数据集，可以看到3个元素是相同的点，而其中只有一个元素发生了更改换句话说：
[0,0]中的points2是最接近[0,0]中points1的点，而[0,0]中的points1是最接近[0,0]中points2的点。[0,1]中的points2是最接近[0,1]中points1的点，而[0,1]中的points1是最接近[0,1]中points2的点。[1,0]中的points2是最接近[1,0]中points1的点，而[1,0]中的points1是最接近[1,0]中points2的点。[0,1]中的[1,0],，[2,1]points2是最接近[1,1]中points1的点，而[1,1]中的points1是最接近[2,1]中points2的点注意我是如何指定这两种方式的！事实上，第一个列表中的一个点可能最接近第二个列表中的一个点，但反过来可能不正确！（即，第二个列表中可能有一个点实际上最接近第一个列表中的同一点）。
另外，请注意，在最后一个要点中，我们有3个点最接近
[1,1]。但是，在多个点最接近给定点的情况下，我想消除那些已经找到不同最接近点的点例如，在最后一个要点中，我将把[2,1]中的points2作为最接近[1,1]的点，因为[0,1]中的points2认为[0,1]中的points1是最接近的，而[1,0]中的points2认为[1,0]中的points1是最接近的，所以它们已经“发货”或“忙碌”。我的问题
现在给定两个相同维度的数组（如上所述），即它们包含相同数量的点，我希望能够找到匹配项（如果没有唯一的匹配项，则为匹配项），以便：
points1中的每个点都与points2中的一个且只有一个点匹配使points2中的每个点与points1中的一个且仅一个点匹配。这些匹配是因为它们是最接近的想象一下，我只有一个点列表，我对每个点应用了随机的冲击。然后我想基本上“猜猜”每一个点到哪里去了（它们应该是最接近的，但不要介意这一部分）。
我该怎么做？
我的尝试
首先，我试着编写一个函数，循环遍历
points1中的每个点，并计算到points2中每个点的距离。在这之后，我会检查每一个距离列表，排序并找出最小值。因此，我会将每个点与最小距离的点相匹配。然而，这就陷入了这样一个问题：如果a是最接近的，并不意味着b是最接近a的，因此你可以最终得到匹配，其中许多点然后被匹配到一个点，以此类推。我试过用
sklearn.metrics.pairwise_distances_argmin_min(Y,X)来阅读here，但它似乎做了一些与我想要的略有不同的事情，因为再次没有将每一个点都匹配到一个并且只有一个点。（或者更好的是，在它的输出中，实际上我认为它只是根据首先声明为最接近的点来选择它）你有什么建议吗？
基本上给出了两个点列表（大小相同），我想用距离来匹配这些点（我想任何距离指标都可以，也许欧几里德和曼哈顿是最好的）。如果可能的话，在找到匹配之后，我希望能够输出一个“相似度得分”。有什么想法吗？
最佳答案
计算list1和list2中所有元素之间的所有距离排列这些距离（实际上，这些对象将包含距离和对两个端点的引用）获取最小距离并配对该距离的端点。
然后得到下一个最小的距离，其中没有一个端点是成对的。继续，直到所有点都配对。
不幸的是，该算法具有O（N2）复杂度。只要您只需要将list与几百个（或者几千个）元素进行比较，它就可以工作。除此之外，它可能会非常缓慢。。。
关于python - sklearn:测量不同组自变量之间的相似性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45794540/