Skip to main content
 首页 » 编程设计

python之获得最近中心的更有效方法

2024年10月25日16Free-Thinker

我的数据对象是一个实例:

class data_instance: 
    def __init__(self, data, tlabel): 
        self.data = data # 1xd numpy array 
        self.true_label = tlabel # integer {1,-1} 

到目前为止,在代码中,我有一个名为 data_history 的列表充满 data_istance和一组 centers (形状为 (k,d) 的 numpy 数组)。

对于给定的数据实例 new_data , 我想要:

  • 1/获取离new_data最近的中心来自 centers (按欧几里得距离)让它被称为Nearest_center .

  • 2/遍历 data_history和:

    • 2.1/选择最近中心为Nearest_center的元素(1/的结果)进入名为 neighbors 的列表.
    • 2.2/获取neighbors中对象的标签.

下面是我的代码,它可以工作,但速度很慢,我正在寻找更高效的代码。

我的代码

对于 1/

def getNearestCenter(data,centers): 
 
    if centers.shape != (1,2): 
        dist_ = np.sqrt(np.sum(np.power(data-centers,2),axis=1)) # This compute distance between data and all centers 
 
        center = centers[np.argmin(dist_)] # this return center which have the minimum distance from data 
 
    else: 
        center=centers[0] 
    return center 

For 2/(优化)

def getLabel(dataPoint, C, history): 
 
    labels = [] 
    cluster = getNearestCenter(dataPoint.data,C) 
    for x in history: 
        if  np.all(getNearestCenter(x.data,C) == cluster): 
            labels.append(x.true_label) 
    return labels 

请您参考如下方法:

您应该使用 scipy.spatial 中优化的 cdist,这比用 numpy 计算它更有效,

from scipy.spatial.distance import cdist 
 
dist = cdist(data, C, metric='euclidean') 
dist_idx = np.argmin(dist, axis=1) 

一个更优雅的解决方案是使用 scipy.spatial.cKDTree(正如@Saullo Castro 在评论中指出的那样),这对于大型数据集来说可能更快,

from scipy.spatial import cKDTree 
 
tr = cKDTree(C) 
dist, dist_idx = tr.query(data, k=1)