Python 如何循环并找到每对的hausdorff距离？

鉴于此

u = np.array([(1.0, 0.0),
              (0.0, 1.0),
              (-1.0, 0.0),
              (0.0, -1.0)])
v = np.array([(2.0, 0.0),
              (0.0, 2.0),
              (-2.0, 0.0),
              (0.0, -4.0)])

如何找到每对的hausdorff距离以获得结果。比如说

directed_hausdorff(u[i], v[i])[0]  #where i is the array point

一,

一,

一,

三,

对于初学者，我尝试了无环

HD = directed_hausdorff(u[0],v[0])
print(HD)

--> which should be giving me a result of 1 as i'm taking the 1st array in u & v
--> however i am getting the error 'tuple index out of range'

---

我想这就是你要找的

import numpy as np
from scipy.spatial.distance import directed_hausdorff

u = np.array([(1.0, 0.0),
              (0.0, 1.0),
              (-1.0, 0.0),
              (0.0, -1.0)])
v = np.array([(2.0, 0.0),
              (0.0, 2.0),
              (-2.0, 0.0),
              (0.0, -4.0)])
for i in u:
  for j in v:
    print(directed_hausdorff(np.array([i]),np.array([j])))
  print('\n')

编辑。。。。。。 对于相同的指数

for i,j in zip(u,v):
  print(directed_hausdorff(np.array([i]),np.array([j])))

---

到目前为止你试过什么？对于u中的每个点，找出到v中的壁橱点的距离。以这些距离中的最大距离为准。您需要编写自己的代码。编辑您的帖子并包含您的代码是一个好主意，这样我们就可以看到您可能出错的地方。我只是引用了Hausdorff距离的定义。对于每个u，找到到每个v的距离并取最小值。现在取这些最小值中的最大值。问题是如何找出两点之间的差异？和之间的距离是sqrt（（x1-x2）**2+（y1-y2）**2）。毕达哥拉斯定理，是的！这就是我要找的。有没有办法只获得u（1.0，0.0）和v（2.0，0.0）的距离对，u（0.0，-1.0）和v（0.0,4.0）？由于上面的代码对所有vIf迭代u[0]，您发现这很有用，请进行投票并接受答案。：）它适用于u和v中的所有点。检查打印语句的数量（其4*4=16）是。答案是有用的。但是，有没有办法只对同一数组索引中的点运行？比如u[0]对v[0]，u[1]对v[1]？因为我不需要u[0]与v[1]之间的距离，所以对于这个快速问题，我实际上如何存储结果？我尝试了append，但是只记录了最后一个值。