Python 3.x 基于函数计算nxn距离矩阵

下午好

我从一张类似于以下内容的表格开始：

      Attribute1   Attribute2   Attribute3
John     1              2            3
Jen      4              5            6
Jo       7              8            9

      John  Jen  Jo
John   0     x    x
Jen    x     0    x
Jo     x     x    0

我已经创建了一个函数->dist（I，j），用于计算表中任意两个人（I和j）之间的L1距离。例如，John和Jen之间的L1距离为dist（0,1）=4-1 |+| 5-2 |+| 6-3 |=9。还需要注意的是，我将每个人都称为他们的行索引（John=0，Jen=1，等等）

接下来，我需要创建一个距离矩阵来计算所有成对的人之间的距离。它将如下所示：

      Attribute1   Attribute2   Attribute3
John     1              2            3
Jen      4              5            6
Jo       7              8            9

      John  Jen  Jo
John   0     x    x
Jen    x     0    x
Jo     x     x    0

x是这两个人之间各自的L1距离

---

您知道如何实现这一点吗？

您创建的函数看起来像标准城市街区（曼哈顿）距离，这意味着您可以通过简单调用SciPy库函数来实现：

from scipy.spatial.distance import squareform, pdist
dm = pd.DataFrame(squareform(pdist(df, metric='cityblock')), index=df.index, columns=df.index)

结果:

      John  Jen    Jo
John   0.0  9.0  18.0
Jen    9.0  0.0   9.0
Jo    18.0  9.0   0.0

有关更多详细信息，请参阅和文档

请注意，如果您的实际功能比您描述的城市街区功能更复杂，则仍然可以使用这些SciPy功能和自定义定义的距离度量

虽然在这种特定情况下没有必要，但如果需要的话，下面是如何应用自定义距离函数的。首先创建一个函数，该函数将两行作为输入，并返回单个距离数：

def my_distance_function(row1, row2):
    return np.abs(row1 - row2).sum()

然后按如下方式应用：

dm = pd.DataFrame(squareform(pdist(df, metric=my_distance_function)), index=df.index, columns=df.index)

这与SciPy库中的“cityblock”函数的结果相同，但您可以看到，如果需要，现在可以调整它以满足您的需要