Question

我想编写一个函数来计算list_a中的坐标到list_b中的每个坐标之间的欧几里得距离，并产生一个{ {1}}列（其中a是b中的坐标数，a是list_a中的坐标数。

注意：为简单起见，我不想使用numpy以外的任何库。

运行该函数将生成：

list_b

我一直在尝试运行以下

list_a = np.array([[0,1], [2,2], [5,4], [3,6], [4,2]])
list_b = np.array([[0,1],[5,4]])

但是我遇到以下错误：

>>> np.array([[0., 5.830951894845301],
              [2.236, 3.605551275463989],
              [5.830951894845301, 0.],
              [5.830951894845301, 2.8284271247461903],
              [4.123105625617661, 2.23606797749979]])

谢谢。

Answer 1

我认为这可行

  import numpy as np
  def distance(x,y):
      x=np.array(x)
      y=np.array(y)
      p=np.sum((x-y)**2)
      d=np.sqrt(p)
      return d

Answer 2

在这里，您只需使用np.linalg.norm即可计算出欧几里得距离。您的错误是由于np。减法期望两个输入的长度相同。

import numpy as np

list_a = np.array([[0,1], [2,2], [5,4], [3,6], [4,2]])
list_b = np.array([[0,1],[5,4]])

def run_euc(list_a,list_b):
    return np.array([[ np.linalg.norm(i-j) for j in list_b] for i in list_a])

print(run_euc(list_a, list_b))

代码产生：

[[0.         5.83095189]
 [2.23606798 3.60555128]
 [5.83095189 0.        ]
 [5.83095189 2.82842712]
 [4.12310563 2.23606798]]

Answer 3

我希望这能回答问题，但这是重复的； Minimum Euclidean distance between points in two different Numpy arrays, not within

# Import package
import numpy as np

# Define unequal matrices
xy1 = np.array([[0,1], [2,2], [5,4], [3,6], [4,2]])
xy2 = np.array([[0,1],[5,4]])

P = np.add.outer(np.sum(xy1**2, axis=1), np.sum(xy2**2, axis=1))
N = np.dot(xy1, xy2.T)
dists = np.sqrt(P - 2*N)
print(dists)

Answer 4

另一种方法是：

np.array(
[np.sqrt((list_a[:,1]-list_b[i,1])**2+(list_a[:,0]-list_b[i,0])**2) for i in range(len(list_b))]
).T

输出：

array([[0.        , 5.83095189],
       [2.23606798, 3.60555128],
       [5.83095189, 0.        ],
       [5.83095189, 2.82842712],
       [4.12310563, 2.23606798]])

此代码可以用更加简单有效的方式编写，因此，如果您发现任何可以改进的代码，请在注释中告知我。

Answer 5

我想知道是什么原因阻止了您使用Scipy。由于无论如何您都在使用numpy，也许您可以尝试使用Scipy，它并不那么笨重。

为什么？
它具有许多数学函数和有效的实现方式，可以最大程度地利用并行处理。

请记住，这里的 distance_matrix 功能正是您所提到的目的。

具体地，它获取list_a（m x k矩阵）和list_b（n x k矩阵），并输出两个矩阵上每对点之间具有p范数（对于欧几里得而言，p = 2）的m x n矩阵。

from scipy.spatial import distance_matrix
distances = distance_matrix(list_a, list_b)

计算两个python数组之间的欧几里得距离

5 个答案: