代码之家 › 专栏 › 技术社区 › tavalendo

欧氏距离的矢量化实现

euclidean-distance vectorization numpy python

1

tavalendo · 技术社区 · 8 年前

这个问题已经有了答案:

我试图计算欧几里德距离的矢量化实现(x和y中的每个元素之间使用内积)。数据如下:

X = np.random.uniform(low=0, high=1, size=(10000, 5))
Y = np.random.uniform(low=0, high=1, size=(10000, 5))

我所做的是:

euclidean_distances_vectorized = np.array(np.sqrt(np.sum(X**2, axis=1) - 2 * np.dot(X, Y.T) + np.sum(Y**2, axis=1)))

尽管这给出了“一些输出”,但答案是错误的,因为每行仍然包含5个元素。

有人知道我做错了什么吗?

1 回复 | 直到 8 年前

1

3

filippo 8 年前

如果我理解正确的话

np.linalg.norm(X - Y, axis=1)

或与 einsum (沿第一轴的每对差分对的点积的平方根)

np.sqrt(np.einsum('ij,ij->i...', X - Y, X - Y))

如果你想要所有的成对距离

from scipy.spatial.distance import cdist

cdist(X, Y)