我有 2 个点列表作为 numpy.ndarray,每一行都是一个点的坐标,例如:
a = np.array([[1,0,0],[0,1,0],[0,0,1]])
b = np.array([[1,1,0],[0,1,1],[1,0,1]])
这里我想计算2个列表中所有点对之间的欧氏距离,对于a中的每个点p_a,我想计算它与b中每个点p_b之间的距离。所以结果是
d = np.array([[1,sqrt(3),1],[1,1,sqrt(3)],[sqrt(3),1,1]])
如何在numpy中使用矩阵乘法来计算距离矩阵?
最佳答案
使用直接 numpy 广播,您可以执行以下操作:
dist = np.sqrt(((a[:, None] - b[:, :, None]) ** 2).sum(0))
或者,scipy
有一个例程,可以稍微更有效地计算此问题(特别是对于大型矩阵)
from scipy.spatial.distance import cdist
dist = cdist(a, b)
我会避免依赖于分解矩阵乘积(形式为 A^2 + B^2 - 2AB)的解决方案,因为它们可能由于浮点舍入误差而在数值上不稳定。
关于python - 计算numpy中2个点列表的距离,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59733668/