scipy.spatial 距离计算模块
来源:互联网 发布:excel怎么复制所有数据 编辑:程序博客网 时间:2024/06/08 08:46
在scipy.spatial中最重要的模块应该就是距离计算模块distance了。
from scipy import spatial
距离计算
矩阵距离计算函数
矩阵参数每行代表一个观测值,计算结果就是每行之间的metric距离。Distance matrix computation from a collection of raw observation vectors stored in a rectangular array.
向量距离计算函数Distance functions between two vectors u and v
Distance functions between two vectors u and v. Computingdistances over a large collection of vectors is inefficient for thesefunctions. Use pdist for this purpose.
输入的参数应该是向量,也就是维度应该是(n, ),当然也可以是(1, n)它会使用squeeze自动去掉维度为1的维度;但是如果是多维向量,至少有两个维度>1就会出错。
e.g. spatial.distance.correlation(u, v) #计算向量u和v之间的相关系数(pearson correlation coefficient, Centered Cosine)
Note: 如果向量u和v元素数目都只有一个或者某个向量中所有元素相同(分母norm(u - u.mean())为0),那么相关系数当然计算无效,会返回nan。
scipy.spatial.distance.pdist(X, metric=’euclidean’, p=2, w=None, V=None, VI=None)
pdist(X[, metric, p, w, V, VI])Pairwise distances between observations in n-dimensional space.观测值(n维)两两之间的距离。Pairwise distances between observations in n-dimensional space.距离值越大,相关度越小。
注意,距离转换成相似度时,由于自己和自己的距离是不会计算的默认为0,所以要先通过dist = spatial.distance.squareform(dist)转换成dense矩阵,再通过1 - dist计算相似度。
metric:
1 距离计算可以使用自己写的函数。Y = pdist(X, f) Computes the distance between all pairs of vectors in Xusing the user supplied 2-arity function f.
如欧式距离计算可以这样:
dm = pdist(X, lambda u, v: np.sqrt(((u-v)**2).sum()))
但是如果scipy库中有相应的距离计算函数的话,就不要使用dm = pdist(X, sokalsneath)这种方式计算,sokalsneath调用的是python自带的函数,会调用c(n, 2)次;而应该使用scipy中的optimized C version,使用dm = pdist(X, 'sokalsneath')。
再如矩阵行之间的所有cause effect值的计算可以这样:
def causal_effect(m): effect = lambda u, v: u.dot(v) / sum(u) - (1 - u).dot(v) / sum(1 - u) return spatial.distance.squareform(spatial.distance.pdist(m, metric=effect))
2 这里计算的是两两之间的距离,而不是相似度,如计算cosine距离后要用1-cosine才能得到相似度。从下面的consine计算公式就可以看出。
Y = pdist(X, ’euclidean’) #d=sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2)
Y = pdist(X, ’minkowski’, p)
scipy.spatial.distance.cdist(XA, XB, metric=’euclidean’, p=2, V=None, VI=None, w=None)
cdist(XA, XB[, metric, p, V, VI, w])Computes distance between each pair of the two collections of inputs.
当然XA\XB最简单的形式是一个二维向量(也必须是,否则报错ValueError: XA must be a 2-dimensional array.),计算的就是两个向量之间的metric距离度量。
scipy.spatial.distance.squareform(X, force=’no’, checks=True)
squareform(X[, force, checks])Converts a vector-form distance vector to a square-form distance matrix, and vice-versa.
将向量形式的距离表示转换成dense矩阵形式。Converts a vector-form distance vector to a square-form distance matrix, and vice-versa.
注意:Distance matrix 'X' must be symmetric&diagonal must be zero.
- scipy.spatial 距离计算模块
- Scipy教程 - 距离计算库scipy.spatial.distance
- scipy.spatial.distance.cdist
- scipy模块介绍
- Python模块之SciPy
- python Scipy模块
- scipy的constants模块
- scipy的special模块
- scipy模块介绍
- Scipy:高端科学计算
- scipy: 科学计算
- SciPy-数值计算库
- SciPy--数值计算
- SciPy-数值计算库
- scipy: 科学计算
- Scipy:高端科学计算
- SciPy-数值计算库
- Scipy:高端科学计算
- 图论一课(2)
- LeetCode【66】 Plus One
- sms_shelll
- 剑指offer—圆圈中最后剩下的数
- 7-10(图) 旅游规划
- scipy.spatial 距离计算模块
- python文件打开方式
- nfs和iscsi target
- joda-time的使用
- 去掉shiro登录时url里的JSESSIONID
- [知了堂学习笔记] java_入门
- 《看透springMVC源码》之Connector分析
- linux下tomcat开机自启
- crontab 计划任务