我有 2 个点列表作为 numpy.ndarray，每行是一个点的坐标，如:
a = np.array([[1,0,0],[0,1,0],[0,0,1]])
b = np.array([[1,1,0],[0,1,1],[1,0,1]])
这里我想计算 2 个列表中所有点对之间的欧氏距离，对于 a 中的每个点 p_a，我想计算它与 b 中每个点 p_b 之间的距离。所以结果是
d = np.array([[1,sqrt(3),1],[1,1,sqrt(3)],[sqrt(3),1,1]])
如何在numpy中使用矩阵乘法计算距离矩阵？
请您参考如下方法:
使用直接 numpy 广播，你可以这样做:
dist = np.sqrt(((a[:, None] - b[:, :, None]) ** 2).sum(0))
或者，scipy 有一个例程可以稍微更有效地计算这个(特别是对于大矩阵)
from scipy.spatial.distance import cdist
dist = cdist(a, b)
我会避免依赖分解矩阵乘积(形式为 A^2 + B^2 - 2AB)的解决方案，因为它们可能因浮点舍入误差而在数值上不稳定。
