用numpy计算数组的连续点之间的欧几里得距离答案

【问题标题】：Calculating euclidean distance between consecutive points of an array with numpy用numpy计算数组的连续点之间的欧几里得距离
【发布时间】：2012-11-15 10:37:56
【问题描述】：

我有一个数组，它描述了一条折线（连接的直线段的有序列表），如下所示：

points = ((0,0),
          (1,2),
          (3,4),
          (6,5),
          (10,3),
          (15,4))
points = numpy.array(points, dtype=float)

目前，我使用以下循环获取分段距离列表：

segdists = []
for seg in xrange(points.shape[0]-1):
    seg = numpy.diff(points[seg:seg+2], axis=0)
    segdists.append(numpy.linalg.norm(seg))

相反，我想使用一些本机 Scipy/Numpy 函数来应用一个没有循环的函数调用。

我能得到的最接近的是：

from scipy.spatial.distance import pdist
segdists = pdist(points, metric='euclidean')

但在后一种情况下，segdists 提供了每个距离，我只想获取相邻行之间的距离。

另外，我宁愿避免创建自定义函数（因为我已经有了一个可行的解决方案），而是使用更多的“numpythonic”原生函数。

【问题讨论】：

标签： python numpy scipy euclidean-distance

【解决方案1】：

这是一种方法：

使用矢量化的np.diff 计算增量：

d = np.diff(points, axis=0)

然后使用np.hypot 计算长度：

segdists = np.hypot(d[:,0], d[:,1])

或者使用更明确的计算：

segdists = np.sqrt((d ** 2).sum(axis=1))

【讨论】：

我自己搞了一些死胡同，你这么说其实很简单。我之前看到过 hypot 被提及，但谷歌搜索“numpy hypot”没有返回任何内容，我不得不在 numpy 文档页面上进行搜索。谢谢！
这在 3D 中也可以吗？
@Varlor：不是hypot，而是第二个版本segdists = np.sqrt((d ** 2).sum(axis=1))，在3D中工作。