我发现这两篇文章讨论使用动态时间扭曲或 DTW 来对齐多个“n”个时间序列。
如何在 python 中在 3 个或更多信号之间应用/实现动态时间规整 (DTW) 或快速动态时间规整 (FastDTW)？ 使用 numpy 或 cython 进行高效的成对 DTW 计算
然而，他们未能描述为所有“n”个时间序列找到最小距离路径所涉及的所有步骤。
在上述链接的答案之一中，它指出计算所有成对路径的距离矩阵。但是，没有提到如何处理距离矩阵，以便创建一个具有“n”个时间序列的图，这些时间序列都最佳对齐。
您将如何获取距离矩阵（“n”个时间序列之间的成对距离）并对齐所有“n”个时间序列？
或者，是否有不同的方法来对齐所有“n”个时间序列？
为什么{'kwargs':{'1':'a', '2':'b'}}我跑的时候会出现test_func()？我原以为会打印：{'1':'a', '2':'b'}.
代码：
class MyClass:
def __init__(self, **kwargs):
self.kwargs = kwargs
def test_func(self):
print(self.kwargs)
test_kwargs = {'1':'a', '2':'b'}
my_class = MyClass(kwargs=test_kwargs)
my_class.test_func()
输出：
{'kwargs': {'1': 'a', '2': 'b'}}