如何用NumPy计算欧氏距离?

Nat*_*man 466 python numpy euclidean-distance

我在3D中有两点:

(xa, ya, za)
(xb, yb, zb)
Run Code Online (Sandbox Code Playgroud)

我想计算距离:

dist = sqrt((xa-xb)^2 + (ya-yb)^2 + (za-zb)^2)
Run Code Online (Sandbox Code Playgroud)

使用NumPy或Python的最佳方法是什么?我有:

a = numpy.array((xa ,ya, za))
b = numpy.array((xb, yb, zb))
Run Code Online (Sandbox Code Playgroud)

u0b*_*6ae 786

用途numpy.linalg.norm:

dist = numpy.linalg.norm(a-b)
Run Code Online (Sandbox Code Playgroud)

  • linalg.norm文档可以在这里找到:http://docs.scipy.org/doc/numpy/reference/generated/numpy.linalg.norm.html我唯一的真实评论是指出一个规范之间的联系(在这种情况下,Frobenius范数/ 2范数是范数函数的默认值)和度量(在这种情况下是欧几里德距离). (12认同)
  • 如果OP想要计算坐标数组之间的距离,也可以使用[scipy.spatial.distance.cdist](https://docs.scipy.org/doc/scipy/reference/generated/generated/scipy. spatial.distance.cdist.html). (6认同)
  • SciPy 的 cdist 功能的更新链接:https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.cdist.html (3认同)
  • 我的问题是:为什么在相反的情况下使用它? /sf/answers/1539057271/ from scipy.spatial import distance a = (1,2,3) b = (4,5,6) dst = distance.euclidean(a,b) (2认同)

Avi*_*ion 138

SciPy中有一个功能.它被称为欧几里德.

例:

from scipy.spatial import distance
a = (1, 2, 3)
b = (4, 5, 6)
dst = distance.euclidean(a, b)
Run Code Online (Sandbox Code Playgroud)

  • 如果你寻求效率,最好使用numpy功能.scipy距离是numpy.linalg.norm(ab)(和numpy.sqrt(numpy.sum((ab)**2)))的两倍慢.在我的机器上,我得到19.7μs的scipy(v0.15.1)和8.9μs的numpy(v1.9.2).在许多情况下不是相关的差异,但如果循环可能变得更重要.从快速查看scipy代码看起来似乎更慢,因为它在计算距离之前验证了数组. (43认同)

Nic*_*mer 90

对于有兴趣一次计算多个距离的人,我使用perfplot(我的一个小项目)进行了一些比较.事实证明

a_min_b = a - b
numpy.sqrt(numpy.einsum('ij,ij->j', a_min_b, a_min_b))
Run Code Online (Sandbox Code Playgroud)

计算行的距离(3, n)sqrt-sum最快.这实际上只适用于一行!

在此输入图像描述


重现情节的代码:

import numpy
import perfplot
from scipy.spatial import distance


def linalg_norm(data):
    a, b = data[0]
    return numpy.linalg.norm(a - b, axis=1)


def linalg_norm_T(data):
    a, b = data[1]
    return numpy.linalg.norm(a - b, axis=0)


def sqrt_sum(data):
    a, b = data[0]
    return numpy.sqrt(numpy.sum((a - b) ** 2, axis=1))


def sqrt_sum_T(data):
    a, b = data[1]
    return numpy.sqrt(numpy.sum((a - b) ** 2, axis=0))


def scipy_distance(data):
    a, b = data[0]
    return list(map(distance.euclidean, a, b))


def sqrt_einsum(data):
    a, b = data[0]
    a_min_b = a - b
    return numpy.sqrt(numpy.einsum("ij,ij->i", a_min_b, a_min_b))


def sqrt_einsum_T(data):
    a, b = data[1]
    a_min_b = a - b
    return numpy.sqrt(numpy.einsum("ij,ij->j", a_min_b, a_min_b))


def setup(n):
    a = numpy.random.rand(n, 3)
    b = numpy.random.rand(n, 3)
    out0 = numpy.array([a, b])
    out1 = numpy.array([a.T, b.T])
    return out0, out1


perfplot.save(
    "norm.png",
    setup=setup,
    n_range=[2 ** k for k in range(22)],
    kernels=[
        linalg_norm,
        linalg_norm_T,
        scipy_distance,
        sqrt_sum,
        sqrt_sum_T,
        sqrt_einsum,
        sqrt_einsum_T,
    ],
    logx=True,
    logy=True,
    xlabel="len(x), len(y)",
)
Run Code Online (Sandbox Code Playgroud)

  • 谢谢.我今天学到了新东西!对于单维数组,字符串将是`i,i->` (3认同)
  • 如果对内存消耗进行比较,它将变得更加酷 (3认同)
  • 非常简洁的项目和发现。我一直在做一些相同性质的半成品图,所以我想我会切换到你的项目并贡献差异,如果你喜欢的话。 (2认同)

Nat*_*man 34

这个问题解决方法的另一个例子:

def dist(x,y):   
    return numpy.sqrt(numpy.sum((x-y)**2))

a = numpy.array((xa,ya,za))
b = numpy.array((xb,yb,zb))
dist_a_b = dist(a,b)
Run Code Online (Sandbox Code Playgroud)

  • 划伤那个.它必须在某个地方.这里是:`numpy.linalg.norm(xy)` (2认同)

kfs*_*one 32

我想用各种性能说明来阐述简单的答案.np.linalg.norm可能比您需要的更多:

dist = numpy.linalg.norm(a-b)
Run Code Online (Sandbox Code Playgroud)

首先 - 此功能旨在处理列表并返回所有值,例如,比较距离pA点集的距离sP:

sP = set(points)
pA = point
distances = np.linalg.norm(sP - pA, ord=2, axis=1.)  # 'distances' is a list
Run Code Online (Sandbox Code Playgroud)

记住几件事:

  • Python函数调用很昂贵.
  • [Regular] Python不会缓存名称查找.

所以

def distance(pointA, pointB):
    dist = np.linalg.norm(pointA - pointB)
    return dist
Run Code Online (Sandbox Code Playgroud)

并不像看起来那样无辜.

>>> dis.dis(distance)
  2           0 LOAD_GLOBAL              0 (np)
              2 LOAD_ATTR                1 (linalg)
              4 LOAD_ATTR                2 (norm)
              6 LOAD_FAST                0 (pointA)
              8 LOAD_FAST                1 (pointB)
             10 BINARY_SUBTRACT
             12 CALL_FUNCTION            1
             14 STORE_FAST               2 (dist)

  3          16 LOAD_FAST                2 (dist)
             18 RETURN_VALUE
Run Code Online (Sandbox Code Playgroud)

首先 - 每次调用它时,我们必须对"np"进行全局查找,对"linalg"进行范围查找,对"norm"进行范围查找,仅调用函数的开销可以等同于几十个python说明.

最后,我们浪费了两个操作来存储结果并重新加载它以便返回...

第一步改进:使查找更快,跳过商店

def distance(pointA, pointB, _norm=np.linalg.norm):
    return _norm(pointA - pointB)
Run Code Online (Sandbox Code Playgroud)

我们得到了更加精简:

>>> dis.dis(distance)
  2           0 LOAD_FAST                2 (_norm)
              2 LOAD_FAST                0 (pointA)
              4 LOAD_FAST                1 (pointB)
              6 BINARY_SUBTRACT
              8 CALL_FUNCTION            1
             10 RETURN_VALUE
Run Code Online (Sandbox Code Playgroud)

但是,函数调用开销仍然相当于一些工作.你会想做基准来确定你自己是否可以更好地做数学:

def distance(pointA, pointB):
    return (
        ((pointA.x - pointB.x) ** 2) +
        ((pointA.y - pointB.y) ** 2) +
        ((pointA.z - pointB.z) ** 2)
    ) ** 0.5  # fast sqrt
Run Code Online (Sandbox Code Playgroud)

在某些平台上,**0.5速度比math.sqrt.你的旅费可能会改变.

****高级演奏说明.

你为什么计算距离?如果唯一的目的是显示它,

 print("The target is %.2fm away" % (distance(a, b)))
Run Code Online (Sandbox Code Playgroud)

向前走.但是,如果您要比较距离,进行范围检查等,我想添加一些有用的性能观察.

我们来看两种情况:按距离排序或剔除列表到满足范围约束的项目.

# Ultra naive implementations. Hold onto your hat.

def sort_things_by_distance(origin, things):
    return things.sort(key=lambda thing: distance(origin, thing))

def in_range(origin, range, things):
    things_in_range = []
    for thing in things:
        if distance(origin, thing) <= range:
            things_in_range.append(thing)
Run Code Online (Sandbox Code Playgroud)

我们需要记住的第一件事是我们正在使用毕达哥拉斯来计算距离(dist = sqrt(x^2 + y^2 + z^2)),因此我们进行了大量的sqrt调用.数学101:

dist = root ( x^2 + y^2 + z^2 )
:.
dist^2 = x^2 + y^2 + z^2
and
sq(N) < sq(M) iff M > N
and
sq(N) > sq(M) iff N > M
and
sq(N) = sq(M) iff N == M
Run Code Online (Sandbox Code Playgroud)

简而言之:在我们实际需要以X为单位而不是X ^ 2的距离之前,我们可以消除计算中最难的部分.

# Still naive, but much faster.

def distance_sq(left, right):
    """ Returns the square of the distance between left and right. """
    return (
        ((left.x - right.x) ** 2) +
        ((left.y - right.y) ** 2) +
        ((left.z - right.z) ** 2)
    )

def sort_things_by_distance(origin, things):
    return things.sort(key=lambda thing: distance_sq(origin, thing))

def in_range(origin, range, things):
    things_in_range = []

    # Remember that sqrt(N)**2 == N, so if we square
    # range, we don't need to root the distances.
    range_sq = range**2

    for thing in things:
        if distance_sq(origin, thing) <= range_sq:
            things_in_range.append(thing)
Run Code Online (Sandbox Code Playgroud)

太棒了,这两个功能不再做任何昂贵的平方根.那会更快.我们还可以通过将in_range转换为生成器来改进in_range:

def in_range(origin, range, things):
    range_sq = range**2
    yield from (thing for thing in things
                if distance_sq(origin, thing) <= range_sq)
Run Code Online (Sandbox Code Playgroud)

如果您正在执行以下操作,这尤其有益:

if any(in_range(origin, max_dist, things)):
    ...
Run Code Online (Sandbox Code Playgroud)

但如果你要做的下一件事需要距离,

for nearby in in_range(origin, walking_distance, hotdog_stands):
    print("%s %.2fm" % (nearby.name, distance(origin, nearby)))
Run Code Online (Sandbox Code Playgroud)

考虑产生元组:

def in_range_with_dist_sq(origin, range, things):
    range_sq = range**2
    for thing in things:
        dist_sq = distance_sq(origin, thing)
        if dist_sq <= range_sq: yield (thing, dist_sq)
Run Code Online (Sandbox Code Playgroud)

如果您可能链接范围检查('找到靠近X且在Nm内的东西',因为您不必再​​次计算距离),这可能特别有用.

但是,如果我们正在搜索一个非常大的列表,things我们预计其中很多都不值得考虑呢?

实际上有一个非常简单的优化:

def in_range_all_the_things(origin, range, things):
    range_sq = range**2
    for thing in things:
        dist_sq = (origin.x - thing.x) ** 2
        if dist_sq <= range_sq:
            dist_sq += (origin.y - thing.y) ** 2
            if dist_sq <= range_sq:
                dist_sq += (origin.z - thing.z) ** 2
                if dist_sq <= range_sq:
                    yield thing
Run Code Online (Sandbox Code Playgroud)

这是否有用将取决于"事物"的大小.

def in_range_all_the_things(origin, range, things):
    range_sq = range**2
    if len(things) >= 4096:
        for thing in things:
            dist_sq = (origin.x - thing.x) ** 2
            if dist_sq <= range_sq:
                dist_sq += (origin.y - thing.y) ** 2
                if dist_sq <= range_sq:
                    dist_sq += (origin.z - thing.z) ** 2
                    if dist_sq <= range_sq:
                        yield thing
    elif len(things) > 32:
        for things in things:
            dist_sq = (origin.x - thing.x) ** 2
            if dist_sq <= range_sq:
                dist_sq += (origin.y - thing.y) ** 2 + (origin.z - thing.z) ** 2
                if dist_sq <= range_sq:
                    yield thing
    else:
        ... just calculate distance and range-check it ...
Run Code Online (Sandbox Code Playgroud)

再次,考虑让dist_sq产生.然后我们的热狗示例变为:

# Chaining generators
info = in_range_with_dist_sq(origin, walking_distance, hotdog_stands)
info = (stand, dist_sq**0.5 for stand, dist_sq in info)
for stand, dist in info:
    print("%s %.2fm" % (stand, dist))
Run Code Online (Sandbox Code Playgroud)

  • 为什么不给 numpy 添加这样一个优化的函数呢?pandas 的扩展也非常适合这样的问题 /sf/ask/3335076671/ (2认同)
  • 我编辑了你的第一个距离数学方法.你使用的是不存在的`pointZ`.我认为你的意思是三维空间中的两个点,我进行了相应的编辑.如果我错了,请告诉我. (2认同)

The*_*emz 10

它可以像下面这样完成.我不知道它有多快,但它不使用NumPy.

from math import sqrt
a = (1, 2, 3) # Data point 1
b = (4, 5, 6) # Data point 2
print sqrt(sum( (a - b)**2 for a, b in zip(a, b)))
Run Code Online (Sandbox Code Playgroud)


Xav*_*hot 10

从开始Python 3.8math模块直接提供dist函数,该函数返回两点之间的欧几里得距离(以元组或坐标列表形式给出):

from math import dist

dist((1, 2, 6), (-2, 3, 2)) # 5.0990195135927845
Run Code Online (Sandbox Code Playgroud)

如果您正在使用列表:

dist([1, 2, 6], [-2, 3, 2]) # 5.0990195135927845
Run Code Online (Sandbox Code Playgroud)


小智 9

我在matplotlib.mlab中找到了'dist'函数,但我认为它不够方便.

我在这里发帖仅供参考.

import numpy as np
import matplotlib as plt

a = np.array([1, 2, 3])
b = np.array([2, 3, 4])

# Distance between a and b
dis = plt.mlab.dist(a, b)
Run Code Online (Sandbox Code Playgroud)


Pue*_*Pop 6

你可以减去向量然后减去内积.

按照你的例子,

a = numpy.array((xa, ya, za))
b = numpy.array((xb, yb, zb))

tmp = a - b
sum_squared = numpy.dot(tmp.T, tmp)
result sqrt(sum_squared)
Run Code Online (Sandbox Code Playgroud)

它代码简单,易于理解.

  • 这会给我一个距离的平方.你在这里错过了一个sqrt. (5认同)

tra*_*nes 6

我喜欢np.dot(点积):

a = numpy.array((xa,ya,za))
b = numpy.array((xb,yb,zb))

distance = (np.dot(a-b,a-b))**.5
Run Code Online (Sandbox Code Playgroud)


hak*_*iko 6

使用 Python 3.8,这很容易。

https://docs.python.org/3/library/math.html#math.dist

math.dist(p, q)
Run Code Online (Sandbox Code Playgroud)

返回两点 p 和 q 之间的欧几里得距离,每个点都作为坐标序列(或可迭代)给出。这两个点必须具有相同的维度。

大致相当于:

sqrt(sum((px - qx) ** 2.0 for px, qx in zip(p, q)))


use*_*662 5

一个不错的单线程:

dist = numpy.linalg.norm(a-b)
Run Code Online (Sandbox Code Playgroud)

但是,如果考虑到速度,我建议您在机器上进行试验.我发现在我的机器上使用带有操作符的math库比单行NumPy解决方案快得多.sqrt**

我使用这个简单的程序运行我的测试:

#!/usr/bin/python
import math
import numpy
from random import uniform

def fastest_calc_dist(p1,p2):
    return math.sqrt((p2[0] - p1[0]) ** 2 +
                     (p2[1] - p1[1]) ** 2 +
                     (p2[2] - p1[2]) ** 2)

def math_calc_dist(p1,p2):
    return math.sqrt(math.pow((p2[0] - p1[0]), 2) +
                     math.pow((p2[1] - p1[1]), 2) +
                     math.pow((p2[2] - p1[2]), 2))

def numpy_calc_dist(p1,p2):
    return numpy.linalg.norm(numpy.array(p1)-numpy.array(p2))

TOTAL_LOCATIONS = 1000

p1 = dict()
p2 = dict()
for i in range(0, TOTAL_LOCATIONS):
    p1[i] = (uniform(0,1000),uniform(0,1000),uniform(0,1000))
    p2[i] = (uniform(0,1000),uniform(0,1000),uniform(0,1000))

total_dist = 0
for i in range(0, TOTAL_LOCATIONS):
    for j in range(0, TOTAL_LOCATIONS):
        dist = fastest_calc_dist(p1[i], p2[j]) #change this line for testing
        total_dist += dist

print total_dist
Run Code Online (Sandbox Code Playgroud)

在我的机器上,math_calc_dist运行速度比numpy_calc_dist:1.5秒23.5秒快得多.

要获得可测量的差异fastest_calc_dist,math_calc_dist我必须达到TOTAL_LOCATIONS6000.然后fastest_calc_dist需要约50秒,同时math_calc_dist需要约60秒.

您也可以尝试用numpy.sqrtnumpy.square,虽然均高于较慢math我的机器上的替代品.

我的测试是使用Python 2.6.6运行的.

  • 你严重误解了如何使用numpy ... _Don't_使用循环或列表推导.如果你正在迭代,并将函数应用于_each_ item,那么,numpy函数将会变慢.重点是矢量化事物. (43认同)
  • 我意识到这个线程已经过时了,但我只是想强化乔所说的话.你没有正确使用numpy.你计算的是从p1中每个点到p2中每个点的距离之和.在我的机器上,numpy/scipy的解决方案快了70多倍.将p1和p2放入一个数组中(如果将它们定义为dicts,则使用循环).然后你可以一步得到总和,`scipy.spatial.distance.cdist(p1,p2).sum()`.这就对了. (14认同)
  • 或者使用`numpy.linalg.norm(p1-p2).sum()`来获得p1中每个点与p2中相应点之间的总和(即p1中的每个点都不是p2中的每个点).如果你确实想要p1中的每个点到p2中的每个点并且不想像我之前的注释那样使用scipy,那么你可以使用np.apply_along_axis和numpy.linalg.norm来做更多,更快那么你的"最快"解决方案. (3认同)
  • 以前版本的NumPy具有非常慢的规范实现.在当前版本中,不需要所有这些. (2认同)

小智 5

下面是 Python 中欧几里得距离的一些简洁代码,其中两个点在 Python 中表示为列表。

def distance(v1,v2): 
    return sum([(x-y)**2 for (x,y) in zip(v1,v2)])**(0.5)
Run Code Online (Sandbox Code Playgroud)


Ale*_*azo 5

拥有ab定义它们,您还可以使用:

distance = np.sqrt(np.sum((a-b)**2))
Run Code Online (Sandbox Code Playgroud)


ePi*_*314 5

从 Python 3.8 开始

从 Python 3.8 开始,该math模块包含函数math.dist().
请参阅此处https://docs.python.org/3.8/library/math.html#math.dist

math.dist(p1, p2)
返回两点 p1 和 p2 之间的欧几里得距离,每个点都作为坐标序列(或可迭代)给出。

import math
print( math.dist( (0,0),   (1,1)   )) # sqrt(2) -> 1.4142
print( math.dist( (0,0,0), (1,1,1) )) # sqrt(3) -> 1.7321
Run Code Online (Sandbox Code Playgroud)