假设我有一个容纳行向量的矩阵 nxm。我想要一个距离矩阵 nxn 来表示每个向量彼此之间的距离。当我使用 Numpy 时，如何在 Python 中做到这一点。我知道 Scipy 可以做到这一点，但我想弄脏我的手。我已经编写了一个余弦相似度函数 cos_dist(a,b)，其中 a 和 b 是两个不同的向量。现在我需要一个调用者函数来有效地为每对项目执行此操作。我该怎么做呢？
最佳答案
以下代码显示了两个选项来执行您想要的操作。一次循环数组两次并使用 Python 函数计算 cos_dist。第二个使用矢量化方法和 broadcasting获得相同结果的速度提高了 1000 倍。
from __future__ import division
import numpy as np
def cos_dist(a, b):
mod_a = np.sqrt(a.dot(a))
mod_b = np.sqrt(b.dot(b))
return a.dot(b) / mod_a / mod_b
a = np.random.rand(100, 4)
# Slow option
def slow_dist(a):
items = a.shape[0]
out_slow = np.ones((items,items))
for j in xrange(items):
for k in xrange(j+1, items):
out_slow[j, k] = cos_dist(a[j], a[k])
out_slow[k, j] = out_slow[j, k]
return out_slow
# Faster option
from numpy.core.umath_tests import inner1d
def fast_dist(a):
mod_a = np.sqrt(inner1d(a ,a))
norm_a = a / mod_a[:, None]
out_fast = inner1d(norm_a[:, None, :],
norm_a[None, :, :])
return out_fast
时间安排如下:
In [2]: %timeit slow_dist(a)
10 loops, best of 3: 67.6 ms per loop
In [3]: %timeit fast_dist(a)
10000 loops, best of 3: 60.5 us per loop
In [4]: np.allclose(slow_dist(a), fast_dist(a))
Out[4]: True
关于matrix - 计算给定行向量矩阵的距离矩阵，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16470321/