Question

1：1 2 4
  2：4 5 6
  3：7 8 9
  4：0 2 5

结肠前的数字是结肠后面的3-D载体的标签。我还有另一个矢量（12,13,14）。我需要找到这个向量和给定的向量列表之间的最小距离，然后分配标签作为结果。有什么建议？我正在使用熊猫。

Answer 1

使用np.linalg.norm查找欧氏距离

In [359]: p = (12, 13, 14)

In [360]: df.apply(lambda x: np.linalg.norm(x-p), axis=1)
Out[360]:
0    18.493242
1    13.856406
2     8.660254
3    18.601075
dtype: float64

In [361]: df.apply(lambda x: np.linalg.norm(x-p), axis=1).idxmin()
Out[361]: 2

In [363]: df.loc[df.apply(lambda x: np.linalg.norm(x-p), axis=1).idxmin()]
Out[363]:
x    7
y    8
z    9
Name: 2, dtype: int64

或者，你也可以用更短的语法找到距离

In [377]: (df-p).apply(np.linalg.norm, 1)
Out[377]:
0    18.493242
1    13.856406
2     8.660254
3    18.601075
dtype: float64

Answer 2

当然，这取决于您的距离指标，但类似

diffs = df - v
distances = diffs.pow(2).sum(axis=1).pow(.5)
return distances.idxmin()

如果v是与df中的行长度相同的列表或数组，则

应该有效。这将给出欧氏距离。您可能希望在numpy中执行此操作以获得更好的性能。类似的东西：

diffs = arr - v
distances = (diffs ** 2).sum(axis=1) ** .5
return distances.argmin()

编辑：借助@John Galt的解决方案，可以通过以下更简单，更快捷的方式实现：

df.index[np.linalg.norm(df - p, axis=1).argmin()]

向量列表中的最小距离

2 个答案: