Python 点集之间的符号距离

假设我有两组点，

X

和

Y

可能包含不同数量的点，并且具有不同的维度。我们可以假设

X

和

Y

是

nxm

numpy数组（n个点，每个维度m）

我想获得

y

和

x

中点之间距离的

sum（y-x）

分布（中值和标准）

例如，如果一个

y

点是

（2,4）

，一个

x

点是

（3,5）

，那么

和（y-x）

距离将是

2-3+4-5=-2

在Python中，如何在不循环的情况下做到这一点？

快速浏览不会产生任何结果，因此您可能需要使用广播：

>>> a = np.random.rand(5,3) #(N x M)
>>> b = np.random.rand(4,3) #(K X M)
>>> dists = np.sum(a[:,None,:] - b, axis=-1)
>>> dists
array([[-0.57713957, -1.88996939, -0.13993727, -1.17222018],
       [ 0.89288677, -0.41994304,  1.33008907,  0.29780616],
       [ 0.45866859, -0.85416123,  0.89587088, -0.13641203],
       [ 1.12909228, -0.18373754,  1.56629457,  0.53401166],
       [ 0.64299673, -0.66983308,  1.08019903,  0.04791612]])

现在只需抓取中间值和标准：

>>> np.median(dists)
0.17286113728020264
>>> np.std(dists)
0.88228393506243197

---

若要仅获得每个坐标的距离平均值，是否可以先计算每组点的中心（即平均值），然后计算中心之间的差值？如果希望阵列具有不同的维度，则不应使它们都具有形状n x m。最好能更清楚地说明这一点。正如下面解释的，广播是处理此类内容而不调用循环的默认方式。但是，根据向量的长度，它创建的三维阵列可能比您想要的大。