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