[英]Distance computation between (M,N) and (N,) arrays
我正在计算python中的欧几里德距离。 我想学习如何在不使用for循环的情况下计算它。 这是我的代码,
import numpy as np
import random
A = np.random.randint(5, size=(10, 5))
B = [1, 3, 5, 2, 4]
for i in range(10):
dist = np.linalg.norm(A[i]-B)
print("Distances: ", dist)
无论如何,我可以使用高级索引或任何其他技术来计算距离而不使用for循环? 谢谢。
方法#1:大多数直截了当的np.linalg.norm
使用其axis
参数并利用broadcasting
将是 -
np.linalg.norm(A-B,axis=1)
方法#2:使用einsum
-
subs = A - B
out = np.sqrt(np.einsum('ij,ij->i',subs,subs))
方法#3:使用(ab)^2 = a^2 + b^2 - 2ab
公式利用与np.dot
和np.inner
matrix-multiplication
-
np.sqrt(np.einsum('ij,ij->i',A, A) + np.inner(B,B) - 2*A.dot(B))
您可以明确地计算Frobenius规范 :
res = (np.abs(A - B)**2).sum(1)**0.5
这是np.linalg.norm
的默认值。 这是一个演示:
np.random.seed(0)
A = np.random.randint(5, size=(10, 5))
B = [1, 3, 5, 2, 4]
res = (np.abs(A - B)**2).sum(1)**0.5
array([4.89897949, 5.38516481, 5.29150262, 5.47722558, 5. ,
5.56776436, 6.244998 , 2.23606798, 5.56776436, 4.47213595])
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.