数组中所有点之间的最小欧几里得距离数组答案

【问题标题】：array of minimum euclidian distances between all points in array数组中所有点之间的最小欧几里得距离数组
【发布时间】：2015-06-11 16:48:13
【问题描述】：

我有这个带有点的 numpy 数组，类似于

[(x1,y1), (x2,y2), (x3,y3), (x4,y4), (x5,y5)]

我想做的是获得所有最小距离的数组。所以对于点 1 (x1, y1)，我想要最接近它的点的距离，对于点 2 (x2,y2) 等... 距离为sqrt((x1-x2)^2 + (y1-y2)^2)。

这显然是一个与我的点数组长度相同的数组（在本例中：5 个点 -> 5 个最小距离）。

有什么简洁的方法可以在不使用循环的情况下做到这一点？

【问题讨论】：

性能有多重要？
stackoverflow.com/q/10818546/2823755 看起来很有希望
或docs.scipy.org/doc/scipy-0.15.1/reference/generated/…
scipy.spatial.distance.cdist 即
什么是等效的纯numpy解决方案是scipy由于各种原因无法加载？我一直在使用规范方法，但我没有什么可比较的时间来查看 pdist 或 cdist 是否在考虑到点集

标签： python numpy scipy distance

【解决方案1】：

这个解决方案真正关注的是可读性而不是性能 - 它显式计算和存储整个n x n 距离矩阵，因此不能被认为是高效的。

但是：非常简洁易读。

import numpy as np
from scipy.spatial.distance import pdist, squareform

#create n x d matrix (n=observations, d=dimensions)
A = np.array([[1,9,2,4], [1,2,3,1]]).T

# explicitly calculate the whole n x n distance matrix
dist_mat = squareform(pdist(A, metric="euclidean"))

# mask the diagonal
np.fill_diagonal(dist_mat, np.nan)

# and calculate the minimum of each row (or column)
np.nanmin(dist_mat, axis=1)

【讨论】：