假设我有两组点 X
和 Y
可能拥有不同数量的点和不同的维度。我们可以假设 X
和 Y
是 n x m
numpy 数组(n 个点,每个 m 维)
我想获得 Y
和 X
中的点之间 sum(y-x)
距离的分布(中位数和标准差)。
例如如果一个 y
点是 (2,4)
并且一个 x
点是 (3,5)
则 sum(y-x)
距离将为 2-3 + 4-5 = -2
。
如何在 Python 中做到这一点而不需要循环?
最佳答案
快速浏览scipy.spatial.distance
没有产生任何结果,因此您可能需要使用广播:
>>> a = np.random.rand(5,3) #(N x M)
>>> b = np.random.rand(4,3) #(K X M)
>>> dists = np.sum(a[:,None,:] - b, axis=-1)
>>> dists
array([[-0.57713957, -1.88996939, -0.13993727, -1.17222018],
[ 0.89288677, -0.41994304, 1.33008907, 0.29780616],
[ 0.45866859, -0.85416123, 0.89587088, -0.13641203],
[ 1.12909228, -0.18373754, 1.56629457, 0.53401166],
[ 0.64299673, -0.66983308, 1.08019903, 0.04791612]])
现在只需获取中位数和标准差:
>>> np.median(dists)
0.17286113728020264
>>> np.std(dists)
0.88228393506243197
关于python - 点集之间的有符号距离,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22997726/