将欧几里德距离加到矩阵

Question

我解释了我必须发展的东西。

假设我必须执行一个函数，该函数负责接收两个矩阵，它们的列数相同，但行数可以不同。

总而言之，我们将有两个向量矩阵，它们的维数相同，但元素数N不同。

我必须计算组成两个矩阵的每个向量之间的欧几里得距离，然后将其存储在另一个矩阵中，该矩阵将包含我所有向量之间的欧几里得距离。

这是我开发的代码：

def compute_distances(x, y):
    # Dimension:
    N, d = x.shape
    M, d_ = y.shape

    # The dimension should be the same
    if d != d_:
        print "Dimensiones de x e y no coinciden, no puedo calcular las distancias..."
        return None

    # Calculate distance with loops:
    D = np.zeros((N, M))
    i = 0
    j = 0
    for v1 in x:
       for v2 in y:
            if(j != M):
                D[i,j] = math.sqrt(sum([(xi-yi)**2 for xi,yi in zip(v1,v2)]))
            #print "[",i,",",j,"]"
                j = j + 1
            else:
                j = 0
       i = i + 1;

    print D

在这种方法中，我将接收两个矩阵，以稍后创建一个矩阵，该矩阵将在矩阵x和y的向量之间具有欧几里得距离。

问题如下，我不知道如何向每个计算出的欧几里得距离值分配我生成的新矩阵D的正确位置。

我的主要功能具有以下结构：

n = 1000
m = 700
d = 10

x = np.random.randn(n, d)
y = np.random.randn(m, d)

print "x shape =", x.shape
print "y shape =", y.shape

D_bucle = da.compute_distances(x, y)
D_cdist = cdist(x, y)

print np.max(np.abs(D_cdist - D_bucle))

B_cdist使用有效的方法来计算欧几里得距离。 它必须具有与D_bucle相同的结果，该结果与D_bucle计算的D_bucle相同，但使用的代码效率不高，但是我没有得到应有的结果。

我认为是当我创建欧几里得矩阵D ，它做得不正确，所以计算不正确。

更新！！！ 我刚刚更新了解决方案，我的问题是，首先我不知道如何将每对向量的正确欧氏向量结果分配给D矩阵，现在我知道如何分配它，但是现在的问题是，仅从第一行开始与cdist函数相比，D Matrix的结果正确

Answer 1

尚未完全理解您的要求，但我确实看到一个可能解释您结果的问题：

for v1 in x:
  for v2 in y:
    D = math.sqrt(sum([(xi-yi)**2 for xi,yi in zip(v1,v2)]))

在此循环中，每NxM次您将覆盖D的值。 完成后，D仅包含最后一个比较的距离。 您可能需要类似D [i，j] = math.sqrt（...