python distance_Python - scipy.spatial.distance 距离计算函数

scipy.spatial 模块提供了距离计算模块 - scipy.spatial.distance.

1. 距离度量函数

两个向量 u 和 v 间的距离度量函数. 输入参数 u 和 v 分别都是 n-dim 的向量，也可以是 (1, n)-dim 的(计算时会自动 squeeze 去掉维度为 1 的维度). 如果维度大于 1， 则出错.

1.1. 距离函数列表(数值)

两个数值向量 u 和 v 间的距离度量函数. 不过，直接采用如下函数计算较大规模的向量集合时，会比较低效的，此时可采用 pdist 函数.(Computing distances over a large collection of vectors is inefficient for these functions).序号函数名函数说明1计算两个 1-D 数组间的 Bray-Curtis distance

2计算两个 1-D 数组间的 Canberra distance

3计算 Chebyshev distance

4计算 City Block (Manhattan) distance

5计算 u 和 v 之间的相关系数

6计算两个 1-D 数组间的 Cosine distance

7计算两个 1-D 数组间的 Euclidean distance

8计算两个 1-D 数组间的 Jensen-Shannon distance (metric)

9计算两个 1-D 数组间的 Mahalanobis distance

10计算两个 1-D 数组间的 Minkowski distance

11计算两个 1-D 数组间的 standardized Euclidean distance

12计算两个 1-D 数组间的 squared Euclidean distance

13计算两个 1-D 数组间的 weighted Minkowski distance

1.2. 距离函数列表(二值向量)

两个二值向量(boolean vectors) u 和 v 间的距离度量函数. 同样地，对于较大规模的向量集合的距离计算，pdist 效率更高.序号函数名函数说明1计算两个 1-D 布尔向量间的 Dice dissimilarity

2计算两个 1-D 向量间的 Hamming distance

3计算两个 1-D 布尔向量间的 Jaccard-Needham dissimilarity

4计