计算两个数组的距离

其中x是n*p矩阵，p是向量的维数，n是向量的个数, y是k*n矩阵，k是向量的个数
dist[i][j]表明x[i]到y[j]距离的平方

def calc_dist(x, y):
    (n, p) = x.shape
    k = y.shape[0]
    x_square = np.tile(np.sum(x*x, keepdims=True, axis=1), (1,k))
    y_square = np.tile(np.sum(y*y, keepdims=True, axis=1), (1,n)).T
    dist =  x_square + y_square - 2*np.matmul(x,y.T)
    return dist
x = np.array([[1, 0, 1],[1,1,1]])
y = np.array([[2,1,0],[1,0,1],[1,1,1]])
print(calc_dist(x, y))

输出:

[[3 0 1]
 [2 1 0]]

之后看到一个非常fancy的方法：

dist = np.sum(np.power(x - y[:, np.newaxis, ...], 2), axis=2).T

具体的话应用到了Numpy的broadcast机制。我们的目的是给了[a1, a2]，和[b1, b2, b3]，希望构造:

[[a1-b1 a1-b2 a1-b3]
  [a2-b1 a2-b2 a3-b3]]

其中a,b都是(3,)的向量，那么可以用上面的方法。