我有两个3000x3向量,我想计算它们之间的1对1欧几里德距离。例如,vec1是
1 1 1
2 2 2
3 3 3
4 4 4
...
vec2是
2 2 2
3 3 3
4 4 4
5 5 5
...
我希望得到结果
1.73205081
1.73205081
1.73205081
1.73205081
...
我尝试scipy.spatial.distance.cdist(vec1,vec2)
,它返回3000x3000矩阵,而我只需要主对角线。我也试过了np.sqrt(np.sum((vec1-vec2)**2 for vec1,vec2 in zip(vec1,vec2)))
,但它并没有为我的目的而努力。有没有办法计算距离?我很感激任何评论。
答案 0 :(得分:3)
cdist
会返回一个3000 x 3000数组,因为它计算两个输入数组中每个对行向量之间的距离。
要仅计算相应行索引之间的距离,可以使用np.linalg.norm
:
a = np.repeat((np.arange(3000) + 1)[:, None], 3, 1)
b = a + 1
dist = np.linalg.norm(a - b, axis=1)
或使用标准矢量化阵列操作:
dist = np.sqrt(((a - b) ** 2).sum(1))
答案 1 :(得分:0)
这是另一种有效的方式。它仍然使用np.linalg.norm
函数,但它处理数据,如果这是您需要的。
import numpy as np
vec1='''1 1 1
2 2 2
3 3 3
4 4 4'''
vec2='''2 2 2
3 3 3
4 4 4
5 5 5'''
process_vec1 = np.array([])
process_vec2 = np.array([])
for line in vec1:
process_vec1 = np.append( process_vec1, map(float,line.split()) )
for line in vec2:
process_vec2 = np.append( process_vec2, map(float,line.split()) )
process_vec1 = process_vec1.reshape( (len(process_vec1)/3, 3) )
process_vec2 = process_vec2.reshape( (len(process_vec2)/3, 3) )
dist = np.linalg.norm( process_vec1 - process_vec2 , axis = 1 )
print dist
[1.7320508075688772 1.7320508075688772 1.7320508075688772 1.7320508075688772]