[英]Efficient distance calculation between N points and a reference in numpy/scipy
[英]Fast distance calculation in scipy and numpy
设A,B
为((day,observation,dim))
数组。 每个数组在给定的一天包含相同数量的观察值,观察值是具有暗淡维度的点(即暗淡的浮点数)。 对于每一天,我想计算当天A
和B
中所有观测值之间的空间距离。
例如:
import numpy as np
from scipy.spatial.distance import cdist
A, B = np.random.rand(50,1000,10), np.random.rand(50,1000,10)
output = []
for day in range(50):
output.append(cdist(A[day],B[day]))
我在哪里使用scipy.spatial.distance.cdist
。
有更快的方法吗? 理想情况下,我想获得output
a ((day,observation,observation))
数组,该数组每天包含A
和B
中观察值之间的成对距离,同时以某种方式避免循环数天。
一种方法(虽然它需要大量的内存)是巧妙地使用阵列广播:
output = np.sqrt( np.sum( (A[:,:,np.newaxis,:] - B[:,np.newaxis,:,:])**2, axis=-1) )
编辑
但经过一些测试,似乎scikit-learn的euclidean_distances
可能是大型阵列的最佳选择。 (请注意,我已将循环重写为列表解析。)
这是每天100个数据点:
# your own code using cdist
from scipy.spatial.distance import cdist
%timeit dists1 = np.asarray([cdist(x,y) for x, y in zip(A, B)])
100 loops, best of 3: 8.81 ms per loop
# pure numpy with broadcasting
%timeit dists2 = np.sqrt( np.sum( (A[:,:,np.newaxis,:] - B[:,np.newaxis,:,:])**2, axis=-1) )
10 loops, best of 3: 46.9 ms per loop
# scikit-learn's algorithm
from sklearn.metrics.pairwise import euclidean_distances
%timeit dists3 = np.asarray([euclidean_distances(x,y) for x, y in zip(A, B)])
100 loops, best of 3: 12.6 ms per loop
这是每天2000个数据点:
In [5]: %timeit dists1 = np.asarray([cdist(x,y) for x, y in zip(A, B)])
1 loops, best of 3: 3.07 s per loop
In [7]: %timeit dists3 = np.asarray([euclidean_distances(x,y) for x, y in zip(A, B)])
1 loops, best of 3: 2.94 s per loop
编辑:我是个白痴,忘记了python的map
是懒洋洋地评估的。 我的“更快”的代码实际上并没有做任何工作! 强制评估消除了性能提升。
我认为你的时间将由scipy函数内部所花费的时间占据主导地位。 我总是使用map
而不是循环,因为我认为它有点整洁,但我不认为有任何神奇的方法可以在这里获得巨大的性能提升。 也许使用cython或使用numba编译代码会有所帮助。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.