Python-稀疏向量/距离计算

我在Python中寻找动态增长的向量，因为我事先不知道它们的长度。此外，我想计算这些稀疏向量之间的距离，最好使用scipy.spatial.distance中的距离函数（尽管欢迎任何其他建议）。有什么办法吗？（最初，它不需要高效。）

---

提前多谢

您可以使用常规python列表（动态）作为向量。下面是一个简单的例子

from scipy.spatial.distance import sqeuclidean
a = [1,2,3]
b = [0,0,0]
print sqeuclidean(a,b) # 14

根据aganders3的建议，请注意，如果需要，也可以使用numpy数组：

import numpy
a = numpy.array([1,2,3])

如果你的问题的稀疏部分很关键，我会使用scipy——它支持稀疏矩阵。您可以定义一个1xn矩阵并将其用作向量。这是有效的（参数是矩阵的大小，默认情况下用零填充）：

有许多稀疏矩阵，有些是基于字典的（见注释）。可以从如下列表中定义行稀疏矩阵：

scipy.sparse.csr_matrix([1,2,3])

---

您可以使用常规python列表（动态）作为向量。下面是一个简单的例子

from scipy.spatial.distance import sqeuclidean
a = [1,2,3]
b = [0,0,0]
print sqeuclidean(a,b) # 14

根据aganders3的建议，请注意，如果需要，也可以使用numpy数组：

import numpy
a = numpy.array([1,2,3])

如果你的问题的稀疏部分很关键，我会使用scipy——它支持稀疏矩阵。您可以定义一个1xn矩阵并将其用作向量。这是有效的（参数是矩阵的大小，默认情况下用零填充）：

有许多稀疏矩阵，有些是基于字典的（见注释）。可以从如下列表中定义行稀疏矩阵：

scipy.sparse.csr_matrix([1,2,3])

---

以下是如何在numpy中实现这一点：

import numpy as np


a = np.array([1, 2, 3])
b = np.array([0, 0, 0])

c = np.sum(((a - b) ** 2)) # 14

---

以下是如何在numpy中实现这一点：

import numpy as np


a = np.array([1, 2, 3])
b = np.array([0, 0, 0])

c = np.sum(((a - b) ** 2)) # 14

---

回答得好。我还注意到你可以使用numpy数组，这在其他情况下可能是有益的。我想他指的是缺少大多数元素的向量。它们可以表示为字典：{1:5，2:4，101:15}。现在你如何计算距离？谢谢你的回答！这些SciPy稀疏矩阵是动态增长的，还是在初始化过程中需要预先给定一个固定的大小（因为我事先不知道这些长度）？可以动态调整其中一些矩阵的大小<例如，code>lil_矩阵实现了

重塑

方法。回答得好。我还注意到你可以使用numpy数组，这在其他情况下可能是有益的。我想他指的是缺少大多数元素的向量。它们可以表示为字典：{1:5，2:4，101:15}。现在你如何计算距离？谢谢你的回答！这些SciPy稀疏矩阵是动态增长的，还是在初始化过程中需要预先给定一个固定的大小（因为我事先不知道这些长度）？可以动态调整其中一些矩阵的大小<例如，code>lil_矩阵实现了

重塑

方法。有关稀疏距离，请参阅scikit学习中的。使用scipy.spatial.distance，对于稀疏距离，必须使用例如cdist（X.todense（），Y.todense（），metric=…），请参见scikit学习中的。使用scipy.spatial.distance时，必须使用例如cdist（X.todense（），Y.todense（），metric=…）