我的任务是找到某些点的最近邻居，并删除不是最近邻居的其他点。这个任务就像抽样问题一样。
到目前为止的代码：
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from scipy import spatial
data = pd.read_csv('data.csv')
majority = data.loc[data['class']==0]
minority = data.loc[data['class']==1]
majority_points=majority.drop('class', axis=1)
minority_points=minority.drop('class', axis=1)
all_data = pd.concat([majority,minority])
data_points = all_data.drop('class', axis=1)
# print(data_points)
majority_points=np.array(majority_points)
print (majority_points)
minority_points =np.array(minority_points)
print (minority_points)
#result
[[1 1]
[1 2]
[1 3]
[1 4]
[1 5]
[2 1]
[2 2]
[2 4]
[2 5]
[3 1]
[3 2]
[3 5]
[4 1]
[4 4]
[4 5]
[5 1]
[5 2]
[5 3]
[5 4]
[5 5]] (20, 2)
[[2 3]
[3 3]
[3 4]
[4 2]
[4 3]]
`
#to find nearest neighbor
from scipy.spatial import distance
Y = distance.cdist(minority_points, majority_points, 'euclidean')
K = np.argsort(Y)
print (Y)
print ("Ordered data: \n", K)
Y.sort()
print ("After short: \n", Y)
#result
[[2.23606798 1.41421356 1. 1.41421356 2.23606798 2.
1. 1. 2. 2.23606798 1.41421356 2.23606798
2.82842712 2.23606798 2.82842712 3.60555128 3.16227766 3.
3.16227766 3.60555128]
[2.82842712 2.23606798 2. 2.23606798 2.82842712 2.23606798
1.41421356 1.41421356 2.23606798 2. 1. 2.
2.23606798 1.41421356 2.23606798 2.82842712 2.23606798 2.
2.23606798 2.82842712]
[3.60555128 2.82842712 2.23606798 2. 2.23606798 3.16227766
2.23606798 1. 1.41421356 3. 2. 1.
3.16227766 1. 1.41421356 3.60555128 2.82842712 2.23606798
2. 2.23606798]
[3.16227766 3. 3.16227766 3.60555128 4.24264069 2.23606798
2. 2.82842712 3.60555128 1.41421356 1. 3.16227766
1. 2. 3. 1.41421356 1. 1.41421356
2.23606798 3.16227766]
[3.60555128 3.16227766 3. 3.16227766 3.60555128 2.82842712
2.23606798 2.23606798 2.82842712 2.23606798 1.41421356 2.23606798
2. 1. 2. 2.23606798 1.41421356 1.
1.41421356 2.23606798]]
Ordered data:
[[ 2 6 7 1 3 10 5 8 0 13 11 9 4 12 14 17 16 18 15 19]
[10 6 7 13 9 2 17 11 1 3 5 8 18 12 14 16 0 4 15 19]
[ 7 11 13 8 14 3 18 10 19 2 4 17 6 1 16 9 12 5 15 0]
[16 10 12 9 17 15 6 13 5 18 7 1 14 0 2 11 19 8 3 4]
[17 13 16 10 18 14 12 9 15 11 19 7 6 5 8 2 3 1 4 0]]
After short:
[[1. 1. 1. 1.41421356 1.41421356 1.41421356
2. 2. 2.23606798 2.23606798 2.23606798 2.23606798
2.23606798 2.82842712 2.82842712 3. 3.16227766 3.16227766
3.60555128 3.60555128]
[1. 1.41421356 1.41421356 1.41421356 2. 2.
2. 2. 2.23606798 2.23606798 2.23606798 2.23606798
2.23606798 2.23606798 2.23606798 2.23606798 2.82842712 2.82842712
2.82842712 2.82842712]
[1. 1. 1. 1.41421356 1.41421356 2.
2. 2. 2.23606798 2.23606798 2.23606798 2.23606798
2.23606798 2.82842712 2.82842712 3. 3.16227766 3.16227766
3.60555128 3.60555128]
[1. 1. 1. 1.41421356 1.41421356 1.41421356
2. 2. 2.23606798 2.23606798 2.82842712 3.
3. 3.16227766 3.16227766 3.16227766 3.16227766 3.60555128
3.60555128 4.24264069]
[1. 1. 1.41421356 1.41421356 1.41421356 2.
2. 2.23606798 2.23606798 2.23606798 2.23606798 2.23606798
2.23606798 2.82842712 2.82842712 3. 3.16227766 3.16227766
3.60555128 3.60555128]]
我希望将dominary_points中的每个点的3个最接近的邻居转换为domestor_points，并保持其数组的值，其余的都将被删除。
这是说明：
红点是少数示例，蓝点是多数示例。因此，每个少数派类别都会计算出例如多数派中最近的3个邻居。然后该算法删除了一些不是最近邻居的点。
答案 0 :(得分：0)
看来您已经走得很远了，您需要一些帮助以继续前进。距离排序的方式存在一个问题。首先创建一个距离数组，然后对它们进行排序，但是这样做会丢失每个距离的上下文信息。您具有所有距离，并且已对它们进行了排序，但是您不知道它们适用于哪些点。这一步对我来说似乎是不必要的，您可以仅以K停止，它是已存在项目的索引（不会丢失上下文信息），同时具有有关其排序位置的信息。如果您查看K，可能会注意到它是一个5x20的矩阵，并且给定majority_points和minoirty_points的形状（分别为20x2和5x2），这表明{ {1}}是2D矩阵，每行是给定K n个给定minority_point m之间的排序距离的索引。
让我们看一个例子。 majority_point中的第一行是
K这意味着对于第一个[ 2 6 7 1 3 10 5 8 0 13 11 9 4 12 14 17 16 18 15 19]
minority_point，最接近的多数点依次位于索引2、6、7、1、3等，依次为{{1} } [2, 3] [1, 3] [2, 2]等顺序。如果您看一看，前3个是最短的距离，距所讨论的[2, 4]仅1个单位。 （第一个垂直放置，第二个水平放置。）（请注意，排序算法会将最接近的项目放置在输入数组中，同时将 first 放置在它们中。因此，索引2位于6或6之前。 7，即使它们都是相同的距离。）
因此，您要做的就是创建一个新数组，将K中每一行的前3个索引处的内容复制。这与为每个{{表示最近的3个[1, 2] 1}}。
在numpy约定中，这意味着要查看minority_point数组（而不是复制整个内容。）以下行应该可以工作（我已经对其进行了测试）：
majority_points这意味着您从所有行中的minority_points（majority_points）中抓取了元素（逗号前的第一个维，都只是majority_points[K[:,0:3]]
，）和前3个元素二维元素。这些就是您要从K获取的索引。
对我来说输出如下：
K[]