Python 将函数映射到Scipy/numpy矩阵的所有列

我有一个40*4的矩阵

M

和一个包含40个元素的向量

a

。我想计算

A

和每个列向量之间的余弦距离，单位为M

我真的需要这样写吗

 print [cosine(M[:,i],A) for i in range(A.shape[1])]

还是有其他更好的方法

可以在此处查看余弦文档：

---

谢谢

根据，Numpy似乎有一种python方式来迭代矩阵的列。这样，你可以写：

print [cosine(column,A) for column in M.transpose()]

---

它似乎只对向量有效。要使用矢量化表达式高效计算余弦距离，请执行以下操作

normM = np.sqrt((M ** 2).sum(axis=0))
normA = np.sqrt((A ** 2).sum())
cossim = np.dot(M.T, A) / (normM * normA)
dist = 1. - cossim

---

假设

M.shape==（40,4）

，

A.shape==（4，）

，并且两者都不是

np.matrix

，也许更实用的方法是将

余弦的第二个参数绑定到
A
，然后使用
map
将此绑定函数应用到
M
的列

map(partial(cosine,v=A), M.transpose())

你能显示M.shape和A.shape输出吗。对于（40,4）、（40,1），您的代码提供1x1列表，而不是4x1列表。对于其他变体-对齐错误。更好意味着更快、更漂亮或其他什么？如果效率很重要，这个解决方案比其他解决方案快5倍