Question

寻找关于如何编写函数（或者可以推荐已经存在的函数）的提示，该函数计算数组中所有条目之间的差异，即diff()的实现，但是对于数组中的所有条目组合不只是连续的对。

这是我想要的一个例子：

# example array
a = [3, 2, 5, 1]

现在我们要应用一个函数来返回所有条目组合之间的差异。现在假设length(a) == 4意味着组合的总数是，对于N = 4; N *（N-1）* 0.5 = 6（如果a的长度为5，则组合的总数将为10，依此类推）。因此该函数应该为向量a返回以下内容：

result = some_function(a)
print result
array([-1, 2, -2, 3, -1, -4])

因此'函数'与pdist类似，但不是计算欧几里德距离，而应简单地计算沿一个轴的笛卡尔坐标之间的差值，例如：如果我们假设a中的条目是坐标，则为z轴。可以注意到，我需要每个差异的符号来理解每个点所在的轴的哪一侧。

感谢。

Answer 1

这样的东西？

>>> import itertools as it
>>> a = [3, 2, 5, 1]
>>> [y - x for x, y in it.combinations(a, 2)]
[-1, 2, -2, 3, -1, -4]

Answer 2

所以我尝试了wim和Joe提出的方法（以及Joe和wim的综合建议），这就是我想出来的：

import itertools as it
import numpy as np

a = np.random.randint(10, size=1000)

def cartesian_distance(x):
    return np.subtract.outer(x,x)[np.tril_indices(x.shape[0],k=-1)]

%timeit cartesian_distance(a)
%timeit [y - x for x, y in it.combinations(a, 2)]

10 loops, best of 3: 97.9 ms per loop
1 loops, best of 3: 333 ms per loop

对于较小的条目：

a = np.random.randint(10, size=10)

def cartesian_distance(x):
    return np.subtract.outer(x,x)[np.tril_indices(x.shape[0],k=-1)]

%timeit cartesian_distance(a)
%timeit [y - x for x, y in it.combinations(a, 2)]

10000 loops, best of 3: 78.6 µs per loop
10000 loops, best of 3: 40.1 µs per loop

使用python diff（）的数组中所有1D点之间的差异？

2 个答案: