Julia 中 scipy 的 pdist() 的替代方法？

Question

我的目標是從SciPy中的 SciPy 復制pdist()的功能。 我嘗試使用Distances.jl package 對觀測值之間的距離進行成對計算。 但是，結果與下面提到的示例中看到的不同。

Python 示例：

from scipy.spatial.distance import pdist
a = [[1,2], [3,4], [5,6], [7,8]]
b = pdist(a)
print(b)

output --> array([2.82842712, 5.65685425, 8.48528137, 2.82842712, 5.65685425, 2.82842712])

Julia 示例：

using Distances
a = [1 2; 3 4; 5 6; 7 8]
dist_function(x)  = pairwise(Euclidean(), x, dims = 1)
dist_function(a)

output --> 
4×4 Array{Float64,2}:
 0.0      2.82843  5.65685  8.48528
 2.82843  0.0      2.82843  5.65685
 5.65685  2.82843  0.0      2.82843
 8.48528  5.65685  2.82843  0.0

參考上面的例子：

1. python 中的SciPy的pdist()是否默認將度量值設置為Euclidean() ？
2. 我該如何解決這個問題，以復制 Julia 中的結果？

請提出解決此問題的解決方案。

pdist() 的文檔參考：--> https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.pdist.ZFC35FDC70D5FC69D269883A8

提前致謝！！

Answer 1

根據您鏈接的文檔頁面，要從 python 獲得與 Julia 相同的表格（是的，我知道，這與您的問題相反），您可以將其傳遞給 squareform。 即在您的示例中，添加

from scipy.spatial.distance import squareform
squareform(b)

另外，是的，從同一個文檔頁面中，您可以看到如果沒有明確定義，“metric”參數默認為“euclidean”。

對於相反的情況，只需注意 python 向量就是非對角線中的所有元素（因為對於“適當的”距離度量，得到的距離矩陣是對稱的）。

因此，您可以簡單地將所有非對角線元素收集到一個向量中。

Answer 2

對於（1），根據您鏈接的文檔，答案是肯定的，在頂部說

scipy.spatial.distance.pdist(X, metric='euclidean', *args, **kwargs)

表明metric arg 確實默認設置為'euclidean' 。

我不確定我是否理解您的第二個問題-結果是否相同？ 對我來說唯一的區別似乎是 scipy 將上三角形作為向量返回，所以如果只是這樣做，請查看：https://discourse.julialang.org/t/vector-of-upper-triangle/ 7764