在python中，如何计算kmeans集群中心之间的距离并选择最小值？

我使用

sklearn.cluster.kmeans

运行了一个kmeans算法，我将结果保存在对象

kmeans\u results

我可以执行

cl\u centers=kmeans\u results.cluster\u centers\uu

以获得聚类中心

cl_中心

如下所示：

array([[0.69332691, 0.9118433 , 0.14215727, 0.00903798],
       [0.41407049, 0.95964501, 0.19565154, 0.03157038],
       [0.88239715, 0.65602688, 0.20304053, 0.01066663],
       [0.65413307, 0.92372214, 0.36504241, 0.03482278]])

我想计算这4个点之间的距离，并选择最小的一个，以及它们的“标签”（其中标签只是数组索引）

理想的输出是：

最小距离为x，出现在群集0和群集3之间

“距离”是指欧几里得距离

---

有没有类似python的方法呢？

你可以试试scipy.space.distance.pdist（你的数组），它会给出点之间的距离矩阵。然后获取您的最小距离

您可以尝试

scipy.spatial.distance.pdist（您的_数组）

，它提供点之间的距离矩阵。然后获得最小距离

问题的解决方案由两部分组成

计算

cl\u中心

阵列的成对距离矩阵

找到最小位置的索引

因此，正如@zelenov aleksey在第一部分中所建议的，将计算成对距离。 然后，您可以创建一个成对索引组合列表，从中进行选择

以下内容将为您提供您在问题中陈述的理想输出：

import numpy as np
from scipy.spatial.distance import pdist
import itertools as it

centers_arr = np.array([[0.69332691, 0.9118433 , 0.14215727, 0.00903798],
       [0.41407049, 0.95964501, 0.19565154, 0.03157038],
       [0.88239715, 0.65602688, 0.20304053, 0.01066663],
       [0.65413307, 0.92372214, 0.36504241, 0.03482278]])

pairs = list(it.combinations(range(4),2))

d = pdist(centers_arr)
print("The smallest distance is {:}, and it occurs between cluster {:} and cluster {:}".format(d.min(), *pairs[d.argmin(axis=0)]))

---

问题的解决方案由两部分组成

计算

cl\u中心

阵列的成对距离矩阵

找到最小位置的索引

因此，正如@zelenov aleksey在第一部分中所建议的，将计算成对距离。 然后，您可以创建一个成对索引组合列表，从中进行选择

以下内容将为您提供您在问题中陈述的理想输出：

import numpy as np
from scipy.spatial.distance import pdist
import itertools as it

centers_arr = np.array([[0.69332691, 0.9118433 , 0.14215727, 0.00903798],
       [0.41407049, 0.95964501, 0.19565154, 0.03157038],
       [0.88239715, 0.65602688, 0.20304053, 0.01066663],
       [0.65413307, 0.92372214, 0.36504241, 0.03482278]])

pairs = list(it.combinations(range(4),2))

d = pdist(centers_arr)
print("The smallest distance is {:}, and it occurs between cluster {:} and cluster {:}".format(d.min(), *pairs[d.argmin(axis=0)]))

---

当你说“pythonic”时，就像我的一样，一个一行程序？不使用for loopHi，你可以尝试

scipy.space.distance.pdist（你的数组）

，它给出了你之间的距离矩阵points@zelenovaleksey您可以将其作为答案发布：）@quant done，如果有帮助，请将其标记为答案：）当您说“pythonic”你在我的单行程序中有什么？不使用for loopHi，你可以尝试

scipy.spatial.distance.pdist（你的数组）

，它提供你之间的距离矩阵points@zelenovaleksey您可以将其作为答案发布：）@quant done，如果有帮助，请将其标记为答案：）