Python scipy.spatial.distance.pdist 函数的用法
今天遇到了一个函数,scipy.spatial.distance.pdist()
,一直看看了一个小时终于让我把这个函数的逻辑给 get
到了。这里特来分享一下。关于这个函数本身可供选择的参数很多,这里先不做过多说明,之后如果博主有时间,会继续完善。
我们先来看一个示例。
示例1
import numpy as np
from scipy.spatial.distance import pdist
x = np.array([[0, 10], [10, 10], [20, 20]])
result = pdist(x)
print(result)
"""
result:
[10. 22.36067977 14.14213562]
"""
看到上面的结果,很多小伙伴们肯定就很困惑了,这是啥意思啊。事实上,我们创建的 x
数组是一个二维的,其中 [0, 10],[10, 10],[20,20]
可以被看作三个点,这里我们记作 A,B,C
。当我们使用 pdist
作用在数组 x
上时,其实它计算了 AB
, AC
以及 BC
点之间的欧式距离并保存了下来。这里我们将它们的值存放在了变量 result
中。(后面会添加关于欧式距离的超链接)。
那我们再做一下验证。
import numpy as np
x = np.array([[0, 10], [10, 10], [20, 20]])
distAB = np.sqrt((x[0][0] - x[1][0]) ** 2 + (x[0][1] - x[1][1]) ** 2)
distAC = np.sqrt((x[0][0] - x[2][0]) ** 2 + (x[0][1] - x[2][1]) ** 2)
distBC = np.sqrt((x[1][0] - x[2][0]) ** 2 + (x[1][1] - x[2][1]) ** 2)
print(distAB)
print(distAC)
print(distBC)
"""
result:
10.0
22.360679774997898
14.142135623730951
"""
可以看到,pdist
确实计算的是两个坐标点之间的距离,pdist
实际可以理解为 point distance
的缩写。
如果大家觉得有用,就点个赞让更多的人看到吧~