SciPy–空间距离矩阵
原文:https://www.geesforgeks.org/scipy-spatial-distance-matrix/
距离矩阵包含矩阵向量之间成对计算的距离。 scipy.spatial 包为我们提供了 距离 _ 矩阵() 计算距离矩阵的方法。通常矩阵是二维数组的形式，矩阵的向量是矩阵行(一维数组)。
Syntax: scipy.spatial.distance_matrix(x, y, p=2)
Parameters:
x : (M, K) Matrix of M vectors, each of dimension K.
y : (N, K) Matrix of N vectors, each of dimension K.
p : float, 1 <= p <= infinity, defines which Minkowski p-norm to use.
Returns: (M, N) ndarray
/ matrix containing the distance from every vector in x to every vector in y.
注意:两个和 y 矩阵的列尺寸必须相同。
我们可以使用不同的值【p】来应用不同类型的距离来计算距离矩阵。
p = 1, Manhattan Distance
p = 2, Euclidean Distance
p = ∞, Chebychev Distance
*实施例 1。*
我们计算两个矩阵 x 和 y 的距离矩阵。两个矩阵具有相同的维数(3，2)。所以距离矩阵有维数(3，3)。使用 p=2，距离计算为闵可夫斯基 2 范数(或欧几里德距离)。
蟒蛇 3
# Python program to compute distance matrix
# import important libraries
import numpy as np
from scipy.spatial import distance_matrix
# Create the matrices
x = np.array([[1,2],[2,1],[2,2]])
y = np.array([[5,0],[1,2],[2,0]])
# Display the matrices
print("matrix x:\n", x)
print("matrix y:\n", y)
# compute the distance matrix
dist_mat = distance_matrix(x, y, p=2)
# display distance matrix
print("Distance Matrix:\n", dist_mat)
输出:
**
距离矩阵示例 1**
*例 2。*
我们计算两个矩阵 x 和 y 的距离矩阵。两个矩阵都有不同的维度。矩阵 x 有维度(3，2)，矩阵 y 有维度(5，2)。所以距离矩阵有维数(3，5)。
蟒蛇 3
# Python program to compute distance matrix
# import important libraries
import numpy as np
from scipy.spatial import distance_matrix
# Create the matrices
x = np.array([[1,2],[2,1],[2,2]])
y = np.array([[0,0],[0,0],[1,1],[1,1],[1,2]])
# Display the matrices
print("matrix x:\n", x)
print("matrix y:\n", y)
# compute the distance matrix
dist_mat = distance_matrix(x, y, p=2)
# display distance matrix
print("Distance Matrix:\n", dist_mat)
输出:
**
距离矩阵示例 2**
*例 3。*
我们用单个矩阵计算距离矩阵(即 x )。矩阵 x 有维度(3，2)。相同矩阵 x 作为参数y距离矩阵有维度(3，3)。
蟒蛇 3
# Python program to compute distance matrix
# import important libraries
import numpy as np
from scipy.spatial import distance_matrix
# Create the matrix
x = np.array([[1,2],[2,1],[2,2]])
# Display the matrix
print("matrix x:\n", x)
# compute the distance matrix
dist_mat = distance_matrix(x, x, p=2)
# display distance matrix
print("Distance Matrix:\n", dist_mat)
*输出:*
**
距离矩阵示例 3**
*注意:注意上面的距离矩阵是对称矩阵。当 x 和 y* 矩阵相同时，距离矩阵是对称矩阵。
*例 4。*
我们计算两个矩阵 x 和 y 的距离矩阵。两个矩阵都有不同的维度。矩阵 x 有维度(3，2)，矩阵 y 有维度(5，2)。所以距离矩阵有维数(3，5)。使用 p=1，距离计算为闵可夫斯基 1 范数(或曼哈顿距离)。
蟒蛇 3
# Python program to compute distance matrix
# import important libraries
import numpy as np
from scipy.spatial import distance_matrix
# Create the matrices
x = np.array([[1,2],[2,1],[2,2]])
y = np.array([[5,0],[1,2],[2,0]])
# Display the matrices
print("matrix x:\n", x)
print("matrix y:\n", y)
# compute the distance matrix
dist_mat = distance_matrix(x, y, p=1)
# display distance matrix
print("Distance Matrix:\n", dist_mat)
*输出:*
**
距离矩阵示例 4**
*例 5。*
我们计算两个矩阵 x、和 y 的距离矩阵。两个矩阵都有维数(2，5)。所以距离矩阵有维数(3，5)。使用 p=2，距离计算为闵可夫斯基 2 范数(或欧几里德距离)。
蟒蛇 3
# Python program to compute distance matrix
# import important libraries
import numpy as np
from scipy.spatial import distance_matrix
# Create the matrices
x = np.array([[1,2,3,4,5],[2,1,0,3,4]])
y = np.array([[0,0,0,0,1],[1,1,1,1,2]])
# Display the matrices
print("matrix x:\n", x)
print("matrix y:\n", y)
# compute the distance matrix
dist_mat = distance_matrix(x, y, p=2)
# display distance matrix
print("Distance Matrix:\n", dist_mat)
*输出:*
**
距离矩阵示例 5**
