欧氏距离的python数据帧矩阵

我想创建一个自定义的k最近邻方法

为此，我需要一个矩阵（x:y），它返回给定函数的x和y的每个组合的距离（例如，基于我的数据集的7项的欧几里德距离）

e、 g

如果我选择x1和x2以及欧几里德，那么输出应该是3x3输出

1:1=0
1:2 =sqrt((1-1)^2+(2-1)^2)=1
1:3 =sqrt((1-4)^2+(2-2)^2)=sqrt(3)
2:1=1:2=1
2:2=0
2:3=sqrt((1-4)^2+(1-2)^2)=2
3:3=0

等等

如何在不遍历数据帧的情况下编写它

提前感谢您的支持。

您可以使用和：

如果您只需要一个数组作为输出，而不是一个数据帧，只需单独使用

squareform

，而无需将其包装在数据帧中

结果输出（作为数据帧）：

---

看起来您的一些示例计算是错误的，即

1:3

应该是

sqrt（9）=3

，而

2:3

应该是

sqrt（10）

。

1:1=0
1:2 =sqrt((1-1)^2+(2-1)^2)=1
1:3 =sqrt((1-4)^2+(2-2)^2)=sqrt(3)
2:1=1:2=1
2:2=0
2:3=sqrt((1-4)^2+(1-2)^2)=2
3:3=0

from scipy.spatial.distance import pdist, squareform

dist = pdist(df[['x1', 'x2']], 'euclidean')
df_dist = pd.DataFrame(squareform(dist))

     0         1         2
0  0.0  1.000000  3.000000
1  1.0  0.000000  3.162278
2  3.0  3.162278  0.000000