如何迭代数据集中的行以计算距离

如何解决如何迭代数据集中的行以计算距离

我有鸢尾花数据集，我想计算所有行之间的距离，即 KNN 的 0 和 1、0 和 2.....、1 和 2、1 和 3....。 我的代码：

import numpy as np
from sklearn import datasets
import pandas as pd
#1 Handle the data
iris = datasets.load_iris()
x = iris.data[:,:4]
y = iris.target.reshape((150,1))

def shuffle(x,y,percentage):
    iris_data = np.concatenate((x,y),axis=1)
    shuffling = iris_data[np.random.permutation(len(iris_data))]
    train,test = np.split(shuffling,[int(percentage*len(iris_data))])
    x_train = train[:,:4]
    y_train = train[:,-1]
    x_test = test[:,:4]
    y_test = test[:,-1]
    return [iris_data,x_train,y_train,x_test,y_test]

shuf = shuffle(x,0.7)
x_train= shuf[1]; y_train= shuf[2]
x_test= shuf[3]; y_test= shuf[4]

#2 distance function
def distance(x,y_test):
    cont= 0
    dist = {}
    for i in range(x.shape[0]):
        for j in range(x.shape[0]):
            cont += (x[i] - x_test[j])**2
            dist[i] = (np.sqrt(cont),y[i]) 
    return dist

但是我得到了一个带有 numpy 数组 (4,) 而不是标量数组的字典。 我尝试使用 itertools.combinations 但我有一些错误。 还有一个问题，如何将我的输出存储在带有距离和标签而不是 dict (dist = {}) 的数据帧中？ 谢谢