[英]Distance computation between (M,N) and (N,) arrays
我正在計算python中的歐幾里德距離。 我想學習如何在不使用for循環的情況下計算它。 這是我的代碼,
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)
無論如何,我可以使用高級索引或任何其他技術來計算距離而不使用for循環? 謝謝。
方法#1:大多數直截了當的np.linalg.norm
使用其axis
參數並利用broadcasting
將是 -
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
公式利用與np.dot
和np.inner
matrix-multiplication
-
np.sqrt(np.einsum('ij,ij->i',A, A) + np.inner(B,B) - 2*A.dot(B))
您可以明確地計算Frobenius規范 :
res = (np.abs(A - B)**2).sum(1)**0.5
這是np.linalg.norm
的默認值。 這是一個演示:
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])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.