访问距离矩阵中的特定成对距离（scipy / numpy）

Question

我正在使用scipy 及其cdist 函数从向量数组计算距离矩阵。

import numpy as np
from scipy.spatial import distance


vectorList = [(0, 10), (4, 8), (9.0, 11.0), (14, 14), (16, 19), (25.5, 17.5), (35, 16)]

#Convert to numpy array
arr = np.array(vectorList)

#Computes distances matrix and set self-comparisons to NaN
d = distance.cdist(arr, arr)
np.fill_diagonal(d, None)

假设我想返回低于特定阈值的所有距离（例如6）

#Find pairs of vectors whose separation distance is < 6
id1, id2 = np.nonzero(d<6)

#id1 --> array([0, 1, 1, 2, 2, 3, 3, 4]) 
#id2 --> array([1, 0, 2, 1, 3, 2, 4, 3]) 

我现在有 2 个索引数组。

问题：如何将这些向量对之间的距离作为数组/列表返回？

4.47213595499958  #d[0][1]
4.47213595499958  #d[1][0]
5.830951894845301 #d[1][2]
5.830951894845301 #d[2][1]
5.830951894845301 #d[2][2]
5.830951894845301 #d[3][2]
5.385164807134504 #d[3][4]
5.385164807134504 #d[4][3]

d[id1][id2] 返回一个矩阵，而不是一个列表，到目前为止我发现的唯一方法是再次遍历距离矩阵，这没有意义。

np.array([d[i1][i2] for i1, i2 in zip(id1, id2)])

Answer 1

使用

d[id1, id2]

这是numpy.nonzero 示例显示的形式（即a[np.nonzero(a > 3)]），与您使用的d[id1][id2] 不同。

有关 numpy 索引的更多详细信息，请参阅 arrays.indexing。