计算两个python数组之间的欧氏距离

Question

我想写一个函数来计算list\u a中的坐标与list\u b中的每个坐标之间的欧氏距离，并通过b列生成维度a行的距离数组（其中a是列表a中的坐标数，b是列表b中的坐标数）。

NB：为了简单起见，我不想使用任何其他库。

list_a = np.array([[0,1], [2,2], [5,4], [3,6], [4,2]])
list_b = np.array([[0,1],[5,4]])

运行该函数将生成：

>>> np.array([[0., 5.830951894845301],
              [2.236, 3.605551275463989],
              [5.830951894845301, 0.],
              [5.830951894845301, 2.8284271247461903],
              [4.123105625617661, 2.23606797749979]])

我一直在试着运行下面的程序

def run_euc(list_a,list_b):
    euc_1 = [np.subtract(list_a, list_b)]
    euc_2 = sum(sum([i**2 for i in euc_1]))
    return np.sqrt(euc_2)

但我得到以下错误：

ValueError: operands could not be broadcast together with shapes (5,2) (2,2)

非常感谢。

Answer 1

我认为这是可行的

  import numpy as np
  def distance(x,y):
      x=np.array(x)
      y=np.array(y)
      p=np.sum((x-y)**2)
      d=np.sqrt(p)
      return d

Answer 2

我想知道是什么阻止你使用Scipy。既然您正在使用numpy，也许您可以尝试使用Scipy，它不是很重。

为什么啊？
它有许多具有高效实现的数学函数，可以很好地利用您的计算能力。

考虑到这一点，这里有一个距离矩阵函数，正是为了您所提到的目的。

具体地说，它获取列表a（m x k矩阵）和列表b（n x k矩阵），并输出两个矩阵中每对点之间具有p-范数（p=2表示欧几里德）距离的m x n矩阵。

from scipy.spatial import distance_matrix
distances = distance_matrix(list_a, list_b)

Answer 3

在这里，您可以使用np.linalg.norm来计算欧几里德距离。您的错误是由于np.subtract期望两个输入具有相同的长度。

import numpy as np

list_a = np.array([[0,1], [2,2], [5,4], [3,6], [4,2]])
list_b = np.array([[0,1],[5,4]])

def run_euc(list_a,list_b):
    return np.array([[ np.linalg.norm(i-j) for j in list_b] for i in list_a])

print(run_euc(list_a, list_b))

该代码生成：

[[0.         5.83095189]
 [2.23606798 3.60555128]
 [5.83095189 0.        ]
 [5.83095189 2.82842712]
 [4.12310563 2.23606798]]