欧氏距离的python数据帧矩阵

Question

我想创建一个自己定制的 k 最近邻方法。

为此，我需要一个矩阵 (x : y)，它返回给定函数的 x 和 y 的每个组合的距离(例如，基于我的数据集的 7 项的欧几里得)。

例如

data:
   x1  x2  x3
  row 1:  1   2   3
  row 2:  1   1   1 
  row 3:  4   2   3

如果我选择 x1 和 x2 以及 euclidean，那么输出应该是 3x3 输出

1:1=0
1:2 =sqrt((1-1)^2+(2-1)^2)=1
1:3 =sqrt((1-4)^2+(2-2)^2)=sqrt(3)
2:1=1:2=1
2:2=0
2:3=sqrt((1-4)^2+(1-2)^2)=2
3:3=0

等等……

如何在不遍历数据框的情况下编写它？

在此先感谢您的支持。

Answer 1

您可以使用 scipy.spatial.distance.pdist和 scipy.spatial.distance.squareform :

from scipy.spatial.distance import pdist, squareform

dist = pdist(df[['x1', 'x2']], 'euclidean')
df_dist = pd.DataFrame(squareform(dist))

如果您只想将数组作为输出，而不是 DataFrame，只需使用 squareform 本身，而不用将其包装在 DataFrame 中。

结果输出(作为 DataFrame):

     0         1         2
0  0.0  1.000000  3.000000
1  1.0  0.000000  3.162278
2  3.0  3.162278  0.000000