从中获取结果索引scipy.pdist（myArray，metric=“jaccard”）映射回原始数组？

Question

我在计算jaccard的相似性

y= 1 - scipy.spatial.distance.pdist(X,metric="jaccard")

X是一个m x n矩阵，作为这个函数的结果，我得到了一个大小为m choose 2的一维数组。如何将相似性值映射回一个对称数组或（非对称数组中的任何一种都可以），这样我就可以知道X中的哪两个向量（X中的每一行都是布尔向量）在y中生成了特定的jaccard相似性值？在

Answer 1

您可以使用^{}在完整的距离矩阵和上三角之间进行转换：

import numpy as np
from scipy.spatial import distance

m = 100
n = 200
X = np.random.randn(m, n)

d = distance.pdist(X, metric='jaccard')
print(d.shape)
# (4950,)

D = distance.squareform(d)
print D.shape
# (100, 100)

Answer 2

有一个称为scipy.spatial.distance.squareform(y)的模块，其中它将从scipy.spatial.distance.pdist(X,metric='jaccard')获得的压缩形式的一维矩阵转换为对称矩阵，因此从那里获得索引相对简单。在

所以我们可以做以下事情：

y=1-scipy.spatial.distance.pdist(x,metric='jaccard')
z=scipy.spatial.distance.squareform(y)

X是m x n输入矩阵。 这里y将是1 x (m choose 2)维矩阵（压缩距离矩阵） z将是m x m平方对称矩阵