我想创建一个自己定制的 k 最近邻方法。
为此，我需要一个矩阵 (x : y)，它返回给定函数的 x 和 y 的每个组合的距离(例如，基于我的数据集的 7 项的欧几里得)。
例如
data:
x1 x2 x3
row 1: 1 2 3
row 2: 1 1 1
row 3: 4 2 3
如果我选择 x1 和 x2 以及 euclidean，那么输出应该是 3x3 输出
1:1=0
1:2 =sqrt((1-1)^2+(2-1)^2)=1
1:3 =sqrt((1-4)^2+(2-2)^2)=sqrt(3)
2:1=1:2=1
2:2=0
2:3=sqrt((1-4)^2+(1-2)^2)=2
3:3=0
等等……
如何在不遍历数据框的情况下编写它？
在此先感谢您的支持。
请您参考如下方法:
您可以使用 scipy.spatial.distance.pdist和 scipy.spatial.distance.squareform :
from scipy.spatial.distance import pdist, squareform
dist = pdist(df[['x1', 'x2']], 'euclidean')
df_dist = pd.DataFrame(squareform(dist))
如果您只想将数组作为输出，而不是 DataFrame，只需使用 squareform 本身，而不用将其包装在 DataFrame 中。
结果输出(作为 DataFrame):
0 1 2
0 0.0 1.000000 3.000000
1 1.0 0.000000 3.162278
2 3.0 3.162278 0.000000
