euclidean-distance

    0热度

    1回答

    我正在计算Excel应用程序中各点之间的欧几里得距离,并且还需要能够指定每对点的二维位置差异的方向。 有谁知道如何在Excel中实现? 下面是我目前的欧几里得距离计算的简单说明。我有两个点,并计算Point1距离Point2有多远。但是我也想找到Point1和Point2之间的方向(最好是度数)。

    0热度

    1回答

    我在下面的矩阵中有5个样本(mydf)。中心到样本之间的欧氏距离由距离列给出。我怎样才能在与中心相交的样本的距离(例如,A:A,A:B,A:C ... E:E)的成对组合之间形成一个关系矩阵。所以我需要计算从A到中心到A(A:A),然后A到B(A:B)中心的欧氏距离,依此类推。例如,从A到中心到A的距离为(0.03994220 + 0.03994220),则A到B为(0.03994220 + 0.

    2热度

    1回答

    我是python的新手,并且一般编程和我都在努力理解为什么我无法访问创建的列表的x,y坐标ranlist在我的数学模块距离公式中用作变量。 这里是我的代码的全部,但是定义函数closestpt的步骤就是我挂了,并且功能,ranlist.x内,ranlist.y是从哪里获得的 AttributeError: list object has no attribute 'x' 有人能解释为什么ranli

    0热度

    1回答

    我使用Vegan软件包中的simper分析来确定哪个氨基酸是造成不同样品之间蛋白质组成变化的原因。据我所知,discussion,simper()函数使用Bray-Curtis。我需要使用另一个相异性指数,通常是欧几里得。我该如何修改它的功能?谢谢。

    0热度

    1回答

    我有这个数据框称为mydf其中我有三个主要协变量(PCA.1,PCA.2,PCA.3)。我想得到3d距离矩阵,并得到所有比较的最短欧几里得距离。在另一个称为myref的数据框中,我有一些已知的身份Samples和一些unknown样本。通过计算mydf中最短的欧氏距离,我想将已知的Identity分配给未知样本。有人可以帮助我完成这件事。 是myDF mydf <- structure(list(

    1热度

    1回答

    我试图计算从栅格的几个像素到R中某些多边形的边界的距离,如图中所示。我有两个问题: 如何从SpatialPolygon对象正确定义边界。我目前有两个选择,但我不能决定哪个是最好的。首先,我可以强制SpatialPolygonas一个对象,然后到SpatialPoints。其次,我可以raster::rasterizeSpatialPolygon。我想每个选项都有其优点和缺点。 我只想从边界的一边进

    1热度

    2回答

    假设我有一个长序列和查询序列: LongSeq <- c(3,5,2,6,5,4,8,9,6,2,4,6,1,3,6,9,5,10,9,6,3,7,8,2) QuerySeq <- c(6,2,4) 的目标是利用找到从LongSeq具有相同或类似序列的QuerySeq子序列例如欧几里德距离。写了一个循环,一次滑动一步并计算欧几里得距离,但这很慢,尤其是当LongSeq很长时。我想知道在R或合

    0热度

    1回答

    我试图根据某些特征创建一个特征矩阵,然后找到b/w项目的距离。 为了测试目的,我现在只用了2分。 数据:项目的名单上有 规格:项目的特征字典(我使用他们的密钥的值项的功能) 特点:特点 名单这是我的代码使用numpy的零矩阵: import numpy as np matrix = np.zeros((len(data),len(features)),dtype=bool) for datai

    1热度

    2回答

    我目前正试图在图像处理算法中实现Python内的Felzenszwalb和Huttenlocher(http://www.cs.cornell.edu/~dph/papers/dt.pdf)描述的GDT。然而,我使用了他们几年前发表的论文中描述的算法,但得到了错误的结果。我在这里找到了一个C#实现:https://dsp.stackexchange.com/questions/227/fastes

    3热度

    1回答

    我有一个NxN常规网络,其中每个节点有一组(X,Y)坐标。节点由单元分隔。该网络是这样的: (0,0) (1,0) (2,0) (0,1) (1,1) (2,1) (0,2) (1,2) (2,2) 我希望能够计算到所有其他系统从每个节点欧氏距离。例如: #Euclidean distances from node (0,0): 0 sqrt(1) sqrt(4) sqrt(1)