Question

我有一个二维数组，我想计算考虑每一行的每列之间的平均距离。

例如，如果我有2D数组：

import { Component, OnInit } from "@angular/core";
import { Observable } from "rxjs/Observable";
import { Subject } from "rxjs/Subject";

import { ExampleService } from "../example.service";

import "rxjs/add/operator/switchMap";

@Component({
  templateUrl: "./example.component.html",
  styleUrls: ["./example.component.scss"]
})
export class ExampleComponent implements OnInit {

  constructor(
    private exampleService: ExampleService
  ) { }

  ngOnInit() {

    var selections = new Subject<string>();

    var appointments = selections
      // exampleService.getData returns an HTTP observable.
      .switchMap(date => this.exampleService.getData(date));

    var group = appointments
      .map(data => this.process(data));

    var times = appointments
      .map(data => this.calculateTimes(data));

    // Calling subscribe each time sends the HTTP request multiple
    // times - I only want it to be send once for both of them: they
    // can share the data!!
    group.subscribe();
    times.subscribe();

    // selections.next(someData) is called periodically from some
    // omitted code.
  }

  processExample(data: string[]) {
    /*
     * Some processing code.
    */

    return data;
  }

  calculateTimes(data: string[]) {
    /*
     * Some processing code.
    */

    return data;
  }
}

我想计算所有行中第1列和第2列之间的平均距离，所有行中的第1列和第3列之间的平均距离，以及所有行中的第2行和第3列之间的平均距离。

第1列和第2列的平均距离为PROGRAM MAIN VAR systime:GETSYSTEMTIME; fbSystemTime : GETSYSTEMTIME; timeAsFileTime : T_FILETIME; timeAsDT : DT; END_VAR fbSystemTime( timeLoDW =>timeAsFileTime.dwLowDateTime, timeHiDW =>timeAsFileTime.dwHighDateTime ); timeAsDT := FILETIME_TO_DT( timeAsFileTime );，等于2。

是否有一个numpy函数可以实现这个目标？

Answer 1

这样的东西？

输出：

import numpy as np
x = np.array([[2,2,3],[4,2,5],[1,5,2]])

def calc(cols):
    return np.mean(np.abs(np.diff(x[:, cols])))

print(calc([0,1]))

还要考虑：

2.0

输出：

import itertools
print(list(itertools.combinations(range(x.shape[1]), 2)))  # outer list because using py3

Answer 2

我建议改为：

from scipy.spatial.distance import pdist
m, n = in_arr.shape
pdist(in_arr.T, 'cityblock') / m

Out: array([ 2.        ,  1.        ,  2.33333333])

如果您想知道哪一个距离与哪一对相关，请使用：

np.stack(np.triu_indices(n, 1))  

Out: 
array([[0, 0, 1],
       [1, 2, 2]], dtype=int32)

这应该比使用for循环或itertools

快得多

Numpy - 列之间的平均距离

2 个答案: