沿3D数组轴的矢量化欧氏距离-Python

如何沿3D阵列的轴应用在2D阵列（cdist）上运行的函数

我试过使用

numpy。沿_轴应用_

，但我需要在2D数组上操作，而不是1D。我通过沿一个轴迭代获得了所需的结果，但如果可能的话，我更希望将其矢量化：

from scipy import spatial
import numpy as np

a = np.random.randn(600).reshape(10, 20, 3)
distances = np.array([spatial.distance.cdist(a[i,:,:], a[i,:,:]) for i in range(a.shape[0])])

受此启发，我们可以以矢量化的方式解决它。因此，遵循from包（免责声明：我是它的作者），我们可以利用

矩阵乘法

和一些类似的方法-

a_s = np.einsum('ijk,ijk->ij',a,a)
sq_dists = a_s[...,None]+a_s[...,None,:]-2*np.einsum('ijk,ilk->ijl',a,a)
dists = np.sqrt(sq_dists)

备选方案：

• 我们可以在Python3.x上使用

  np.matmul/@-运算符来替换矩阵乘法部分。因此，
  np.einsum（'ijk，ilk->ijl'，a，a）
  可以替换为
  np.matmul（a，a.transpose（0,2,1））

---

是否有10x20点的坐标系？现在你想计算这些点在N=20维上的距离吗？是的，你被遇见了，迪瓦卡的答案符合你的目的！成功了，非常感谢！我自己从来没有猜到过。