距离计算 (`scipy.spatial.distance` )¶

函数引用¶

从存储在矩形阵列中的原始观测向量的集合计算距离矩阵。

`pdist` \(X[, metric, out] )	n维空间中观测之间的成对距离。
`cdist` \(Xa，Xb[, metric, out] )	计算两组输入中每对之间的距离。
`squareform` \(X[, force, checks] )	将矢量形式的距离矢量转换为平方形式的距离矩阵，反之亦然。
`directed_hausdorff` \(U，v[, seed] )	计算两个二维阵列之间的有向Hausdorff距离。

用于检查距离矩阵有效性的谓词，既有浓缩的，也有冗余的。此模块中还包含用于计算距离矩阵中的观测值数量的函数。

`is_valid_dm` \(d[, tol, throw, name, warning] )	如果输入数组是有效的距离矩阵，则返回True。
`is_valid_y` \(y[, warning, throw, name] )	如果输入数组是有效的压缩距离矩阵，则返回True。
`num_obs_dm` \(d)	返回与平方冗余距离矩阵相对应的原始观测值的数量。
`num_obs_y` \(y)	返回与压缩距离矩阵相对应的原始观测值的数量。

两个数值向量之间的距离函数 u 和 v 。对于这些函数，在大的向量集合上计算距离的效率很低。使用 pdist 为了这个目的。

`braycurtis` \(U，v[, w] )	计算两个一维阵列之间的Bray-Curtis距离。
`canberra` \(U，v[, w] )	计算两个一维阵列之间的堪培拉距离。
`chebyshev` \(U，v[, w] )	计算切比雪夫距离。
`cityblock` \(U，v[, w] )	计算城市挡路(曼哈顿)距离。
`correlation` \(U，v[, w, centered] )	计算两个一维阵列之间的相关距离。
`cosine` \(U，v[, w] )	计算一维阵列之间的余弦距离。
`euclidean` \(U，v[, w] )	计算两个一维阵列之间的欧几里得距离。
`jensenshannon` \(P，Q[, base, axis, keepdims] )	计算两个概率数组之间的Jensen-Shannon距离(度量)。
`mahalanobis` \(U，V，VI)	计算两个一维阵列之间的马氏距离。
`minkowski` \(U，v[, p, w] )	计算两个一维阵列之间的Minkowski距离。
`seuclidean` \(U，v，V)	返回两个一维数组之间的标准化欧几里得距离。
`sqeuclidean` \(U，v[, w] )	计算两个一维阵列之间的平方欧几里得距离。
`wminkowski` \(u，v，p，w)	计算两个一维阵列之间的加权Minkowski距离。

两个布尔向量(表示集合)之间的距离函数 u 和 v 。与数字向量的情况一样， pdist 在计算所有对之间的距离时效率更高。

`dice` \(U，v[, w] )	计算两个一维布尔数组之间的骰子相异度。
`hamming` \(U，v[, w] )	计算两个一维阵列之间的汉明距离。
`jaccard` \(U，v[, w] )	计算两个布尔一维数组之间的Jaccard-Needham相异度。
`kulsinski` \(U，v[, w] )	计算两个布尔一维阵列之间的Kulsinski相异度。
`kulczynski1` \(u，v，*[, w] )	计算两个布尔一维阵列之间的Kulczynski 1相异度。
`rogerstanimoto` \(U，v[, w] )	计算两个布尔一维数组之间的Rogers-TAnimoto相异度。
`russellrao` \(U，v[, w] )	计算两个布尔一维数组之间的Russell-Rao相异度。
`sokalmichener` \(U，v[, w] )	计算两个一维布尔数组之间的Sokal-Michener相异度。
`sokalsneath` \(U，v[, w] )	计算两个布尔一维数组之间的Sokal-Sneath相异度。
`yule` \(U，v[, w] )	计算两个布尔一维数组之间的Yule相异度。

hamming 也可以在离散的数值向量上运行。

scipy.spatial.geometric_slerp

scipy.spatial.distance.pdist