Pandas 使用自己的计算工具创建距离矩阵

我有一个由>50个维度组成的数据帧

使用欧几里德距离，我可以计算距离矩阵：

import pandas as pd
df2=pd.DataFrame({'col1':[1,2,3,4],'col2':[5,6,7,8]})
df2
from scipy.spatial import distance_matrix
dm=pd.DataFrame(distance_matrix(df2.values, df2.values), index=df2.index, columns=df2.index)
dm

我想更加强调col1，因此我想使用以下公式：

sqrt(w1(x1-x2)^2 + w2(y1-y2)^2), w1=0.7, w2=0.3

通过阅读文档，我无法找到实现此更改的方法。我对python还比较陌生，所以想知道如何使用pandas实现它

这是否可以创建？

您可以使用并提供自己的度量公式：

w = (0.7, 0.3)
pd.DataFrame(squareform(pdist(df2.values, lambda u, v: np.sqrt((w*(u-v)**2).sum()))), index=df2.index, columns=df2.index)

---

你对自己写的距离公式有多确定？一个突出的问题是，在正常计算中，您的权重加起来是2，而在本例中，您的权重加起来只是1。因此，即使x1-x2和y1-y2具有相同的距离，您的公式也会产生与未加权情况完全不同的答案。大多数参考文献都说，这是计算加权距离矩阵的最佳方法，请参见如何添加特定测试。例如，np.其中u[3]==v[3]，0，10.不确定您的意思：在示例中，u和v的长度为2.如果我要添加更多列，以便在计算之前检查它们是否相同。假设我有col3分类，并且想计算它们不同时的距离，即col3=['a'，'a'，'b'，'c'，]，我会包括测试u[3]=v[3]，如果是这样，则生成一个常量值，例如使用np.whereu[3]=v[3]，10,0你为什么不说你把它变成了一个新的问题——现在清楚多了。看我的