python scipy.spatial.distance 距离计算函数  

目录
  • 1scipy.spatial
  • 2scipy.spatial.distance.cdist
    • 2.1语法
    • 2.2metric的取值
    • 2.3常用欧氏距离计算

1 scipy.spatial

from scipy import spatial

在scipy.spatial中最重要的模块应该就是距离计算模块distance了。

2 scipy.spatial.distance.cdist

2.1 语法

scipy.spatial.distance.cdist(XA, XB, metric='euclidean',
                             p=None, V=None, VI=None, w=None)

该函数用于计算两个输入集合的距离,通过metric参数指定计算距离的不同方式得到不同的距离度量值。

2.2 metric的取值

braycurtis
 canberra
 chebyshev:切比雪夫距离
 cityblock
 correlation:相关系数
 cosine:余弦夹角
 dice
 euclidean:欧式距离
 hamming:汉明距离
 jaccard:杰卡德相似系数
 kulsinski
 mahalanobis:马氏距离
 matching
 minkowski:闵可夫斯基距离
 rogerstanimoto
 russellrao
 seuclidean:标准化欧式距离
 sokalmichener
 sokalsneath
 sqeuclidean
 wminkowski
 yule

2.3 常用欧氏距离计算

from scipy.spatial.distance import cdist
import numpy as np
x1 =np.array([(1,3),(2,4),(5,6)])
x2 =[(3,7),(4,8),(6,9)]
cdist(x1,x2,metric='euclidean')

#=================结果=================

array([[ 4.47213595,  5.83095189,  7.81024968],
       [ 3.16227766,  4.47213595,  6.40312424],
       [ 2.23606798,  2.23606798,  3.16227766]])

解析上述计算过程:结果数组中的第一行数据表示的是x1数组中第一个元素点与x2数组中各个元素点的距离,计算两点之间的距离,以点(1,3)与(3,7)点的距离为例:

np.power((1-3)**2 +(3-7)**2,1/2)

#=================结果=================

4.4721359549995796

到此这篇关于python scipy.spatial.distance 距离计算函数 的文章就介绍到这了,更多相关python scipy.spatial.distance 内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • python根据距离和时长计算配速示例

    复制代码 代码如下: function cal_pace(d,h,m,s){ var distance = d; var hours = h; var minutes = m; var seconds = s; if(distance.length > 0 && hours.length > 0 && minutes.length > 0 && seconds.length > 0) {  var speed = parseFloat

  • python计算两个地址之间的距离方法

    我们调用高德地图的API来计算经纬度 #计算地址经纬度 import requests def geocode(address): parameters = {'address': address, 'key': 'cb649a25c1f81c1451adbeca73623251'} base = 'http://restapi.amap.com/v3/geocode/geo' response = requests.get(base, parameters) answer = response

  • Python实现计算最小编辑距离

    最小编辑距离或莱文斯坦距离(Levenshtein),指由字符串A转化为字符串B的最小编辑次数.允许的编辑操作有:删除,插入,替换.具体内容可参见:维基百科-莱文斯坦距离.一般代码实现的方式都是通过动态规划算法,找出从A转化为B的每一步的最小步骤.从Google图片借来的图, Python代码实现, (其中要注意矩阵的下标从1开始,而字符串的下标从0开始): def normal_leven(str1, str2): len_str1 = len(str1) + 1 len_str2 = len

  • Python基于动态规划算法计算单词距离

    本文实例讲述了Python基于动态规划算法计算单词距离.分享给大家供大家参考.具体如下: #!/usr/bin/env python #coding=utf-8 def word_distance(m,n): """compute the least steps number to convert m to n by insert , delete , replace . 动态规划算法,计算单词距离 >>> print word_distance("

  • Python计算一个点到所有点的欧式距离实现方法

    如下所示: distances = np.sqrt(np.sum(np.asarray(airportPosition - x_vals)**2, axis=1)) airportPosition是矩阵中的某一个点 x_vals是矩阵中所有的点 distances是某一个点到所有点的距离矩阵 以上这篇Python计算一个点到所有点的欧式距离实现方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们.

  • Python计算点到直线距离、直线间交点夹角

    前言 项目中会有点到直线距离计算.两条直线交点坐标计算.两条直线夹角计算的需求. 一.点到直线距离计算 由于项目中得到点的坐标最容易,因此采用向量法进行所有的数学计算最清晰明了.点到直线距离就采用向量法推导. import numpy as np array_longi = np.array([x2-x1, y2-y1]) array_trans = np.array([x2-line_start_x, y2-line_start_y]) # 用向量计算点到直线的举例 array_temp =

  • 计算Python Numpy向量之间的欧氏距离实例

    计算Python Numpy向量之间的欧氏距离,已知vec1和vec2是两个Numpy向量,欧氏距离计算如下: import numpy dist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2))) 或者直接: dist = numpy.linalg.norm(vec1 - vec2) 补充知识:Python中计算两个数据点之间的欧式距离,一个点到数据集中其他点的距离之和 如下所示: 计算数两个数据点之间的欧式距离 import numpy as

  • Python实现的计算马氏距离算法示例

    本文实例讲述了Python实现的计算马氏距离算法.分享给大家供大家参考,具体如下: 我给写成函数调用了 python实现马氏距离源代码: # encoding: utf-8 from __future__ import division import sys reload(sys) sys.setdefaultencoding('utf-8') import numpy as np def mashi_distance(x,y): print x print y #马氏距离要求样本数要大于维数,

  • python scipy.spatial.distance 距离计算函数  

    目录 1scipy.spatial 2scipy.spatial.distance.cdist 2.1语法 2.2metric的取值 2.3常用欧氏距离计算 1 scipy.spatial from scipy import spatial 在scipy.spatial中最重要的模块应该就是距离计算模块distance了. 2 scipy.spatial.distance.cdist 2.1 语法 scipy.spatial.distance.cdist(XA, XB, metric='eucl

  • 使用python装饰器计算函数运行时间的实例

    装饰器在python里面有很重要的作用, 如果能够熟练使用,将会大大的提高工作效率 今天就来见识一下 python 装饰器,到底是怎么工作的. 本文主要是利用python装饰器计算函数运行时间 一些需要精确的计算函数运行了多久的程序,都可以采用这种方法 #coding:utf-8 import urllib2,re,time,random,os,datetime import HTMLParser import sys reload(sys) sys.setdefaultencoding('ut

  • python微元法计算函数曲线长度的方法

    计算曲线长度,根据线积分公式: ,令积分函数 f(x,y,z) 为1,即计算曲线的长度,将其微元化: 其中 根据此时便可在python编程实现,给出4个例子,代码中已有详细注释,不再赘述 ''' 计算曲线长度,根据线积分公式: \int_A^Bf(x,y,z)dl,令积分函数为1,即计算曲线的长度 ''' import numpy as np from mpl_toolkits.mplot3d import * import matplotlib.pyplot as plt ## 求二维圆周长,

  • Python实现计算函数或程序执行时间

    目录 一.需求说明 二.需求分析 三.实现方法 3.1.获取执行时间方式一 3.2.获取执行时间方式二 一.需求说明 在Python程序的开发过程中,一些程序需要获取函数或程序的开始时间.结束时间和时间间隔等内容用来分析和处理内容 二.需求分析 涉及到函数或程序的运行时间,那么必然需要用到时间模块,只用知道时间模块中对应的时间信息获取即可进响应的时间计算. 三.实现方法 3.1.获取执行时间方式一 ①导入time模块 #导入time模块 import time ②获取开始时间.结束时间.时间间隔

  • python 经纬度求两点距离、三点面积操作

    给出地球上两点的经纬度,计算两点之间的球面距离.给出地球上三点的经纬度,求形成的三角形面积. 对于这样的需求,可以通过使用半正失公式来计算得到我们想要的距离,面积值. 先给出半正失公式(haversine formula): 先看第一个式,等号的右边,输入参数有φ.λ,等号的右边有d.r,其中φ表示纬度,λ表示经度,d是我们要的两点的距离, r是地球半径,d/r表示两点在圆上的弧度θ. 通过整理两个式子可得: 也就是说,只要根据上面最后这行式子,带入相应的经纬度值,以及地球半径,就可以得到我们想

  • Python实现的排列组合计算操作示例

    本文实例讲述了Python实现的排列组合计算操作.分享给大家供大家参考,具体如下: 1. 调用 scipy 计算排列组合的具体数值 >> from scipy.special import comb, perm >> perm(3, 2) 6.0 >> comb(3, 2) 3.0 2. 调用 itertools 获取排列组合的全部情况数 >> from itertools import combinations, permutations >>

  • Python经纬度坐标转换为距离及角度的实现

    最近项目上有这样的需求,需要依据设备的经纬度坐标计算距离及角度.经验证后效果较好,并分享. 1 经纬度转换距离代码 #!/usr/bin/env python # -*- coding: utf-8 -*- __author__ = 'Seven' import math # 计算距离 def getDistance(latA, lonA, latB, lonB): ra = 6378140 # 赤道半径 rb = 6356755 # 极半径 flatten = (ra - rb) / ra #

  • Python数据分析Numpy中常用相关性函数

    目录 摘要: 一.股票相关性分析 二.多项式 三.求极值的知识 摘要: NumPy中包含大量的函数,这些函数的设计初衷是能更方便地使用,掌握解这些函数,可以提升自己的工作效率.这些函数包括数组元素的选取和多项式运算等.下面通过实例进行详细了解. 前述通过对某公司股票的收盘价的分析,了解了某些Numpy的一些函数.通常实际中,某公司的股价被另外一家公司的股价紧紧跟随,它们可能是同领域的竞争对手,也可能是同一公司下的不同的子公司.可能因两家公司经营的业务类型相同,面临同样的挑战,需要相同的原料和资源

  • Python基础学习之时间转换函数用法详解

    本文实例讲述了Python基础学习之时间转换函数用法.分享给大家供大家参考,具体如下: 前言 python的时间格式分为多种,几种格式之间的转换方法时常是我们遇到的而且是经常忘记的点,python不像php,时间字符串和datetime是一起的,只需要strtotime和date函数就可以相互转化.虽然网上已经有很多python时间转换的文章,但是由于作者本人经常做海外业务,需要各种时区之间的转换,所以这篇文章会对按时区转换各种时间格式做一个总结. 转换方法图示(图片转自网络): 一.字符串转时

  • Python scipy的二维图像卷积运算与图像模糊处理操作示例

    本文实例讲述了Python scipy的二维图像卷积运算与图像模糊处理操作.分享给大家供大家参考,具体如下: 二维图像卷积运算 一 代码 import numpy as np from scipy import signal, misc import matplotlib.pyplot as plt image = misc.ascent()#二维图像数组,lena图像 w = np.zeros((50,50))#全0二维数组,卷积核 w[0][0]=1.0#修改参数,调整滤波器 w[49][2

随机推荐