如何找到大于某个余弦距离值的值对？

Question

我有一个数组：

[[ 0.32730174 -0.1436172  -0.3355202  -0.2982458 ]
 [ 0.50490916 -0.33826587  0.4315952   0.4850834 ]
 [-0.18594801 -0.06028342 -0.24817085 -0.41029227]
 [-0.22551994  0.47151482 -0.39798814 -0.14978702]
 [-0.3315491   0.05832376 -0.29526958  0.3786153 ]]

我用“pdist”计算了它的余弦距离， cosine_distance=1-pdist(array, metric='cosine')并获得了距离数组：

[-0.14822659  0.51635946  0.09485546 -0.38855427 -0.82434624 -0.86407176
 -0.25101774  0.49793639 -0.07881047  0.41272145]

现在，我想只获得余弦距离大于0.4且小于0.49的那些对。 我已经计算出大于0.4的值的数量，通过number_points=len([1 for i in cosine_distance if i >= 0.4]) 。 但是不能得到那些对。

Answer 1

诀窍在于pdist输出的描述。

Y：ndarray

返回一个压缩距离矩阵Y.对于每个和（where），其中m是原始观察的数量。 度量dist（u = X [i]，v = X [j]）被计算并存储在条目ij中。

文档还引用了方形 ，使距离向量再次成为矩阵。 那么输出数组的文档说明是有道理的。 文档中的ij位置将是squareform操作创建的矩阵的第一个和第二个索引。 然后我们可以得到每个点对的每个距离。

distance_matrix = squareform(cosine_distances_array)
points_to_keep = []

for (i in range(len(points)-1)):
    for (j in range(i+1, len(points))):
        if(distance_matrix[i,j] > 0.4):
            points_to_keep.push((points[i], points[j]))

print points_to_keep

Answer 2

为什么不

number_points=len([1 for i in cosine_distance if i >= 0.4 and i <= 0.49])

如果需要跟踪范围内的哪一对，请使用enumerate

number_points = [idx for idx, i in enumerate(cosine_distance) if i >= 0.4 and i <= 0.49]

这将为您提供一个列表，其中包含满足条件的对的索引。