Matrix 计算给定行向量矩阵的距离矩阵
假设我有一个矩阵nxm容纳行向量。我想要一个距离矩阵nxn，它表示每个向量之间的距离。当我使用Numpy时，如何在Python中实现它。我知道是西皮干的，但我想弄脏我的手。我已经编写了一个余弦相似函数Matrix 计算给定行向量矩阵的距离矩阵,matrix,numpy,distance,Matrix,Numpy,Distance,假设我有一个矩阵nxm容纳行向量。我想要一个距离矩阵nxn，它表示每个向量之间的距离。当我使用Numpy时，如何在Python中实现它。我知道是西皮干的，但我想弄脏我的手。我已经编写了一个余弦相似函数cos_dist（a，b），其中a和b是两个不同的向量。现在我需要一个调用函数，它可以有效地为每两个项执行调用。我该怎么做 为什么不检查一下scipy's，它计算n维空间中观测值之间的成对距离，并有大量的距离函数可供选择 由于您没有安装scipy，并且希望使用numpy对此进行编码，因此我建议您进行
cos_dist（a，b）由于您没有安装scipy，并且希望使用numpy对此进行编码，因此我建议您进行研究，该研究链接在其文档页面的左上角。下面的代码显示了两个选项来完成您想要的操作。一个在数组上循环两次，并使用Python函数计算cos_dist。第二个使用矢量化方法，以更快地获得相同的结果 来自未来进口部的
将numpy作为np导入
def cos_区（a、b）：
mod_a=np.sqrt（a.dot（a））
mod_b=np.sqrt（b.dot（b））
返回a.dot（b）/mod_a/mod_b
a=np.rand.rand（100,4）
#慢选
def慢速距离（a）：
items=a.shape[0]
out_slow=np.one（（项目，项目））
对于X范围内的j（项目）：
对于X范围内的k（j+1，项目）：
out_slow[j，k]=cos_dist（a[j]，a[k]）
out_slow[k，j]=out_slow[j，k]
慢退
#更快的选择
从numpy.core.umath_测试导入inner1d
def fast_区（a）：
mod_a=np.sqrt（inner1d（a，a））
norm_a=a/mod_a[：，无]
out_fast=inner1d（norm_a[：，None，：]，
标准（无，：，：）
快回来
：%timeit slow\u dist（a）
10个回路，最佳3个：每个回路67.6毫秒
在[3]：%timeit fast\u dist（a）
10000圈，最好3圈：每圈60.5美元
在[4]中：np.allclose（慢距离（a），快距离（a））
Out[4]：正确
sudo