python scipy.spatial.distance 距離計算函數  

Posted on by

1 scipy.spatial

from scipy import spatial

在scipy.spatial中最重要的模塊應該就是距離計算模塊distance瞭。

2 scipy.spatial.distance.cdist

2.1 語法

scipy.spatial.distance.cdist(XA, XB, metric='euclidean', 
                             p=None, V=None, VI=None, w=None)

該函數用於計算兩個輸入集合的距離，通過metric參數指定計算距離的不同方式得到不同的距離度量值。

2.2 metric的取值

braycurtis
 canberra
 chebyshev：切比雪夫距離
 cityblock
 correlation：相關系數
 cosine：餘弦夾角
 dice
 euclidean：歐式距離
 hamming：漢明距離
 jaccard：傑卡德相似系數
 kulsinski
 mahalanobis：馬氏距離
 matching
 minkowski：閔可夫斯基距離
 rogerstanimoto
 russellrao
 seuclidean：標準化歐式距離
 sokalmichener
 sokalsneath
 sqeuclidean
 wminkowski
 yule

2.3 常用歐氏距離計算 

from scipy.spatial.distance import cdist
import numpy as np
x1 =np.array([(1,3),(2,4),(5,6)])
x2 =[(3,7),(4,8),(6,9)]
cdist(x1,x2,metric='euclidean')
 
#=================結果=================
 
array([[ 4.47213595,  5.83095189,  7.81024968],
       [ 3.16227766,  4.47213595,  6.40312424],
       [ 2.23606798,  2.23606798,  3.16227766]])

解析上述計算過程：結果數組中的第一行數據表示的是x1數組中第一個元素點與x2數組中各個元素點的距離，計算兩點之間的距離，以點(1,3)與(3,7)點的距離為例：

np.power((1-3)**2 +(3-7)**2,1/2)
 
#=================結果=================
 
4.4721359549995796

到此這篇關於python scipy.spatial.distance 距離計算函數 的文章就介紹到這瞭,更多相關python scipy.spatial.distance 內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：