numpy数组中行的前n个元素

Question

我正在尝试在Python中实现k最近邻分类器，因此我想计算欧几里得距离。我有一个数据集，我已经将其转换为一个大的numpy数组

[[  0.   0.   4. ...,   1.   0.   1.]
 [  0.   0.   5. ...,   0.   0.   1.]
 [  0.   0.  14. ...,  16.   9.   1.]
 ..., 
 [  0.   0.   3. ...,   2.   0.   3.]
 [  0.   1.   7. ...,   0.   0.   3.]
 [  0.   2.  10. ...,   0.   0.   3.]]

每行的最后一个元素指示类。因此，在计算欧几里得距离时，我显然不想包含最后一个元素。我以为我可以做到以下几点

for row in dataset:
    distance = euclidean_distance(vector, row[:dataset.shape[1] - 1])

但这仍然包括最后一个元素

print row
>>> [[  0.   0.   4. ...,   1.   0.   1.]]
print row[:dataset.shape[1] - 1]
>>> [[  0.   0.   4. ...,   1.   0.   1.]]

如您所见，两者是相同的。

Answer 1

您可以使用numpy切片对数据进行子集化。如果发现自己遍历numpy数组，请停止并尝试找到一种利用numpy操作的矢量化性质的方法。

假设您的数组称为arr：

data_points = arr[:,:-1]
classes = arr[:,-1]

对于矢量计算的距离：

要查找一维数组与二维数组所有行之间的距离，可以使用以下方法。假设1d数组为v，2d数组为arr。

dist = np.power(arr - v, 2).sum(axis=1)

dist 将是一维距离数组。

对于成对计算：

以下函数采用2d数字数组，并使用给定的Lx距离度量（欧几里得距离度量为L = 2度量）返回成对距离的上对角矩阵。

def pairwise_distance(arr, L=2):
    d = arr.shape[0]
    out = np.zeros(d)
    for f in range(1, d):
        out[:-f].ravel()[f::d+1] = np.power(arr[:-f]-arr[f:], L).sum(axis=1)
    return np.power(out, 1.0/L)