手动定义的p和q:
p = [[45.1024,7.7498],[45.1027,7.7513],[45.1072,7.7568],[45.1076,7.7563]]
q = [[45.0595,7.6829],[45.0595,7.6829],[45.0564,7.6820],[45.0533,7.6796],[45.0501,7.6775]]
代码的一部分很好
def _c(ca, i, j, p, q):
if ca[i, j] > -1:
return ca[i, j]
elif i == 0 and j == 0:
ca[i, j] = np.linalg.norm(p[i]-q[j])
elif i > 0 and j == 0:
ca[i, j] = max(_c(ca, i-1, 0, p, q), np.linalg.norm(p[i]-q[j]))
elif i == 0 and j > 0:
ca[i, j] = max(_c(ca, 0, j-1, p, q), np.linalg.norm(p[i]-q[j]))
elif i > 0 and j > 0:
ca[i, j] = max(
min(
_c(ca, i-1, j, p, q),
_c(ca, i-1, j-1, p, q),
_c(ca, i, j-1, p, q)
),
np.linalg.norm(p[i]-q[j])
)
else:
ca[i, j] = float('inf')
return ca[i, j]
def frdist(p, q):
# Remove nan values from p
p = np.array([i for i in p if np.any(np.isfinite(i))], np.float64) # ESSENTIAL PART TO REMOVE NaN
q = np.array([i for i in q if np.any(np.isfinite(i))], np.float64) # ESSENTIAL PART TO REMOVE NaN
len_p = len(p)
len_q = len(q)
if len_p == 0 or len_q == 0:
raise ValueError('Input curves are empty.')
# p and q no longer have to be the same length
if len(p[0]) != len(q[0]):
raise ValueError('Input curves do not have the same dimensions.')
ca = (np.ones((len_p, len_q), dtype=np.float64) * -1)
dist = _c(ca, len_p-1, len_q-1, p, q)
return(dist)
frdist(p, q)
0.09754839824415232
问题: 在步骤2中如何将代码应用到给定的(同样是示例数据集)。真正的一个非常大)数据集df:
1 1.1 2 2.1 3 3.1 4 4.1 5 5.1
0 43.1024 6.7498 NaN NaN NaN NaN NaN NaN NaN NaN
1 46.0595 1.6829 25.0695 3.7463 NaN NaN NaN NaN NaN NaN
2 25.0695 5.5454 44.9727 8.6660 41.9726 2.6666 84.9566 3.8484 44.9566 1.8484
3 35.0281 7.7525 45.0322 3.7465 14.0369 3.7463 NaN NaN NaN NaN
4 35.0292 7.5616 45.0292 4.5616 23.0292 3.5616 45.0292 6.7463 NaN
第一行取p,第二行取q。然后计算距离frdist(p, q)
。p是第一行,q是第三行。然后是1和3。你知道吗
最后,我应该得到对角线为0的行(行,行)大小的矩阵。因为它之间的距离是0:
0 1 2 3 4 5 ... 105
0 0
1 0
2 0
3 0
4 0
5 0
... 0
105 0
由于您的工作代码需要列表列表作为参数,因此需要将数据帧的每一行转换为列表列表列表,如示例中的
p
和q
。假设df
是您的数据帧,您可以通过以下方式执行此操作:我从this answer取了
pairwise
函数。你知道吗ddf
是一个具有一列的数据帧,每个元素是一个类似于p
或q
的列表。你知道吗然后需要处理行索引的组合。看看itertools模块。根据您的需要,您可以使用product、permutations或combinations中的一种。你知道吗
如果要进行每个组合,可以使用:
idxpairs
保存数据帧中所有可能的索引对。你可以绕过去。你知道吗您可以这样构建最终矩阵:
现在将计算每个元素的暴力。如果您有一个大的数据帧,并且您事先知道最终矩阵将具有给定的属性,例如对角线为0并且它是对称的(我猜
frdist(p, q) == frdist(q, p)
),您可以通过使用combinations
而不是product
来节省一些时间,以避免两次执行相同的计算:相关问题 更多 >
编程相关推荐