欧几里得距离的python数据帧矩阵

Question

我想创建一个自己定制的k最近邻居方法。为此，我需要一个矩阵（x：y），它返回给定函数（例如基于我的数据集的7个项目的欧几里得）的x和y的每个组合的距离。

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和欧几里得，那么输出应该是一个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...

怎么写，没有通过数据帧进行迭代？

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)) 

如果你只是想一个数组作为输出，而不是一个数据帧，只使用squareform本身，而无需在数据帧加以包装。

所产生的输出（作为数据帧）：

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