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~