Python Numpy高效的Polar euclidean距离

Question

我有一个n极坐标列表，以及一个带两个坐标的距离函数。

我想创建一个n x n矩阵，其中包含我函数下的成对距离。我意识到我可能需要使用numpy的某种形式的矢量化，但我不确定如何这样做。

Answer 1

下面是一个简单的代码段供您参考

import numpy as np

length = 10

coord_r = np.random.rand(length)*10
coord_alpha = np.random.rand(length)*np.pi

# Repeat vector to matrix form
coord_r_X = np.tile(coord_r, [length,1])
coord_r_Y = coord_r_X.T
coord_alpha_X = np.tile(coord_alpha, [length,1])
coord_alpha_Y = coord_alpha_X.T

matDistance = np.sqrt(coord_r_X**2 + coord_r_Y**2 - 2*coord_r_X*coord_r_Y*np.cos(coord_alpha_X - coord_alpha_Y))
print matDistance

Answer 2

您可以使用scipy.spatial.distance.pdist。但是，如果您想要计算的距离是欧几里德距离，那么将点转换为直角坐标可能会更好，因为pdist将使用内置的欧几里德距离很快地进行计算。