python中如何计算最小值之和

我正在尝试用python构建k-medoids算法。我很难计算成本。我使用的是3集群。例如，我有S（每个点到每个簇的距离矩阵）

以及为每个点指定的标签（使用最小S来指定标签），例如：

labels = array([1, 1, 0, 0, 0, 0], dtype=int32)

所以我试着计算成本，即每个点的最小距离之和

def calculate_cost(S):
    cost = 0
    min_cost_idx = np.argmin(S, axis=1)
    for i in range(len(min_cost_idx)):
        cost += np.sum(S[i])
    return cost

---

但它给出的是所有S的总和，而不是每个数据点的最小S的总和。

这是因为

i

为每一行取值，而不是该行中所需的索引。 您应该将

for

循环更改为：

for i,val in enumerate(min_cost_idx):
    cost += np.sum(S[i][val])

话虽如此，您也可以完全摆脱for循环，使用

np.min

函数求和

%timeit (calculate_cost(S))
26.9 µs ± 1.5 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit sum(np.min(S, axis=1))
4.79 µs ± 90.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit (calculate_cost(S))
26.9 µs ± 1.5 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit sum(np.min(S, axis=1))
4.79 µs ± 90.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)