python中不同列数的2xN矩阵的hausdorff距离
我有两个2xN的值矩阵，我想用“directed_hausdorff（u，v）”函数求它们的hausdorff距离。然而，由于两个矩阵中的列数不相等，我想找出使用列数较少的矩阵的hausdorff距离。例如，如果我有python中不同列数的2xN矩阵的hausdorff距离,python,matrix,scipy,scipy-spatial,Python,Matrix,Scipy,Scipy Spatial,我有两个2xN的值矩阵，我想用“directed_hausdorff（u，v）”函数求它们的hausdorff距离。然而，由于两个矩阵中的列数不相等，我想找出使用列数较少的矩阵的hausdorff距离。例如，如果我有 t = [(1,2,3,9), (4,5,6,7)] l = [(3,4,5), (7,8,9)] l有3列，t有4列。由于t大于l，我想修改t，使其与l的大小相同，这样我可以计算到大小相等的矩阵之间的hausdorff距离，基本上是 t = [(1,2,3), (4,5,6)
t = [(1,2,3,9), (4,5,6,7)]
l = [(3,4,5), (7,8,9)]
lttltlt = [(1,2,3), (4,5,6)]
l = (3,4,5), (7,8,9)]
我想将此应用于任意两个2xN（不同大小）的矩阵，其中我确定哪个矩阵有更多的列，然后通过删除从最后一列开始的元素来修改较大的矩阵，使其等于较小矩阵的大小。有没有一种快捷方式可以输出这两个列表？我不知道有什么函数可以实现这一点，但是如果
tlimport numpy as np
from scipy.spatial.distance import directed_hausdorff
...
t = np.array(t)
l = np.array(l)
num_cols = min(t.shape[1], l.shape[1])
distance = directed_hausdorff(t[:, :num_cols], l[:, :num_cols])
表达式
t.shape[1]t.shape[0]t[：，：num\u cols]：num\u cols：num\u columnstlimport numpy as np
from scipy.spatial.distance import directed_hausdorff
...
t = np.array(t)
l = np.array(l)
num_cols = min(t.shape[1], l.shape[1])
distance = directed_hausdorff(t[:, :num_cols], l[:, :num_cols])
t.shape[1]t.shape[0]t[：，：num\u cols]：num\u cols：num\u columns