距離計算 (scipy.spatial.distance)

函數參考

從儲存在矩形陣列中的原始觀察向量集合計算距離矩陣。

pdist(X[, metric, out])	計算 n 維空間中觀察值之間的成對距離。
cdist(XA, XB[, metric, out])	計算兩組輸入集合中每對輸入之間的距離。
squareform(X[, force, checks])	將向量形式的距離向量轉換為方形形式的距離矩陣，反之亦然。
directed_hausdorff(u, v[, rng])	計算兩個 2 維陣列之間的定向 Hausdorff 距離。

用於檢查距離矩陣（壓縮和冗餘）有效性的謂詞。此模組中還包含用於計算距離矩陣中觀察值數量的函數。

is_valid_dm(D[, tol, throw, name, warning])	如果輸入陣列是有效的距離矩陣，則返回 True。
is_valid_y(y[, warning, throw, name])	如果輸入陣列是有效的壓縮距離矩陣，則返回 True。
num_obs_dm(d)	返回與方形冗餘距離矩陣對應的原始觀察值數量。
num_obs_y(Y)	返回與壓縮距離矩陣對應的原始觀察值數量。

兩個數值向量 u 和 v 之間的距離函數。對於這些函數，計算大量向量的距離效率不高。為此目的，請使用 pdist。

braycurtis(u, v[, w])	計算兩個 1 維陣列之間的 Bray-Curtis 距離。
canberra(u, v[, w])	計算兩個 1 維陣列之間的 Canberra 距離。
chebyshev(u, v[, w])	計算 Chebyshev 距離。
cityblock(u, v[, w])	計算城市街區 (曼哈頓) 距離。
correlation(u, v[, w, centered])	計算兩個 1 維陣列之間的相關距離。
cosine(u, v[, w])	計算 1 維陣列之間的餘弦距離。
euclidean(u, v[, w])	計算兩個 1 維陣列之間的歐幾里得距離。
jensenshannon(p, q[, base, axis, keepdims])	計算兩個機率陣列之間的 Jensen-Shannon 距離 (度量)。
mahalanobis(u, v, VI)	計算兩個 1 維陣列之間的馬氏距離。
minkowski(u, v[, p, w])	計算兩個 1 維陣列之間的 Minkowski 距離。
seuclidean(u, v, V)	返回兩個 1 維陣列之間的標準化歐幾里得距離。
sqeuclidean(u, v[, w])	計算兩個 1 維陣列之間的平方歐幾里得距離。

兩個布林向量 (表示集合) u 和 v 之間的距離函數。與數值向量的情況一樣，pdist 對於計算所有對之間的距離更有效。

dice(u, v[, w])	計算兩個布林值 1 維陣列之間的 Dice 相異度。
hamming(u, v[, w])	計算兩個 1 維陣列之間的漢明距離。
jaccard(u, v[, w])	計算兩個布林向量之間的 Jaccard 相異度。
kulczynski1(u, v, *[, w])	計算兩個布林值 1 維陣列之間的 Kulczynski 1 相異度。
rogerstanimoto(u, v[, w])	計算兩個布林值 1 維陣列之間的 Rogers-Tanimoto 相異度。
russellrao(u, v[, w])	計算兩個布林值 1 維陣列之間的 Russell-Rao 相異度。
sokalmichener(u, v[, w])	計算兩個布林值 1 維陣列之間的 Sokal-Michener 相異度。
sokalsneath(u, v[, w])	計算兩個布林值 1 維陣列之間的 Sokal-Sneath 相異度。
yule(u, v[, w])	計算兩個布林值 1 維陣列之間的 Yule 相異度。

hamming 也適用於離散數值向量。