Python - 稀疏向量/距离计算

我正在寻找Python中动态增长的向量，因为我不知道它们的长度。此外，我想计算这些稀疏向量之间的距离，最好使用scipy.spatial.distance中的距离函数（尽管欢迎任何其他建议）。任何想法如何做到这一点？（最初，它不需要高效。）Python - 稀疏向量/距离计算

非常感谢！

来源

2012-01-02 MaVe

对于稀疏的距离，见[pairwise_distances（http://scikit-learn.sourceforge.net/dev/modules/generated/sklearn.metrics。 pairwise.pairwise_distances.html）在scikit学习。随着scipy.spatial.distance，你必须例如cdist（X.todense（），Y.todense（），metric = ...） – denis 2012-01-03 16:37:08

您可以使用常规python列表（这是动态的）作为向量。简单的例子如下。

from scipy.spatial.distance import sqeuclidean 
a = [1,2,3] 
b = [0,0,0] 
print sqeuclidean(a,b) # 14

按aganders3的建议，也请注意，您还可以根据需要使用numpy的数组：

import numpy 
a = numpy.array([1,2,3])

如果你的问题的稀疏的部分是我会使用SciPy的为关键 - 它支持稀疏矩阵。您可以定义1xn矩阵并将其用作矢量。此作品（该参数是矩阵的大小，默认情况下以零填充）：

sqeuclidean(scipy.sparse.coo_matrix((1,3)),scipy.sparse.coo_matrix((1,3))) # 0

有稀疏矩阵many kinds，根据一些字典（见注释）。您可以从像这样的列表定义一个排稀疏矩阵：

scipy.sparse.csr_matrix([1,2,3])

来源

2012-01-02 21:33:30

很好的答案。我也注意到你可以使用numpy数组，这在其他情况下可能是有益的。 – aganders3 2012-01-02 21:35:10

我认为他意味着大部分元素缺失的向量。它们可以表示为词典：{1：5，2：4，101：15}。现在你如何计算距离？ – ugoren 2012-01-02 21:42:32

@ugoren：我刚刚编辑了我的答案。 – 2012-01-02 21:46:50

Python - 稀疏向量/距离计算

回答

相关问题