Python - 稀疏向量/距离计算

Question

我想在Python中使用动态增长的向量，因为我事先不知道它们的长度。此外，我还想计算这些稀疏向量之间的距离，最好是用scipy.spatial.distance里的距离函数（不过其他建议也可以）。有没有什么好主意？（一开始不需要太高效。）

非常感谢！

Answer 1

下面是你可以在numpy中实现的方法：

import numpy as np


a = np.array([1, 2, 3])
b = np.array([0, 0, 0])

c = np.sum(((a - b) ** 2)) # 14

Answer 2

你可以使用普通的 Python 列表（这些列表是动态的）来当作向量。下面是一个简单的例子。

from scipy.spatial.distance import sqeuclidean
a = [1,2,3]
b = [0,0,0]
print sqeuclidean(a,b) # 14

根据 aganders3 的建议，如果需要的话，你也可以使用 numpy 数组：

import numpy
a = numpy.array([1,2,3])

如果你提问中提到的稀疏部分很重要，我建议使用 scipy，因为它支持稀疏矩阵。你可以定义一个 1xn 的矩阵，并把它当作向量来用。这是可行的（这个参数是矩阵的大小，默认情况下用零填充）：

sqeuclidean(scipy.sparse.coo_matrix((1,3)),scipy.sparse.coo_matrix((1,3))) # 0

有很多种稀疏矩阵，某些是基于字典的（见评论）。你可以像这样从一个列表定义一个行稀疏矩阵：

scipy.sparse.csr_matrix([1,2,3])