计算两个一维数组的成对元素

如何解决计算两个一维数组的成对元素

这是我的问题：

假设我的两个数组是：

import numpy as np
first = np.array(["hello","hello","hellllo"])
second = np.array(["hlo","halo","alle"])

现在我想获取两个数组的每个元素之间的距离矩阵

例如，我的距离函数是：

def diff_len(string1,string2):
    return abs(len(string1) - len(string2))

所以我想得到矩阵：

        hello       hello    hellllo

hlo    result1     result2   result3
halo   result4     result5   result6
alle   result7     result8   result9

所以我要做的是使用Numpy的vectorize函数逐行计算：

vectorize_dist = np.vectorize(diff_len)

first = np.array(["hello","alle"])

vectorize_dist(first,"hlo")
vectorize_dist(first,"halo")
vectorize_dist(first,"alle")

matrix = np.array([vectorize_dist(first,"hlo"),vectorize_dist(first,"halo"),"alle")])
matrix

array([[2,2,4],[1,1,3],3]])

但是为了获得矩阵，我需要执行一个循环来逐行计算，但是我想立即获得矩阵。 实际上，我的两个数组可能非常大，执行循环可能需要太多时间。 而且我还有很多距离要计算，因此我将不得不多次执行该过程，这将更加耗时。

解决方法

您可以为此使用SciPy的cdist：

import numpy as np
from scipy.spatial.distance import cdist

def diff_len(string1,string2):
    return abs(len(string1) - len(string2))

first = np.array(["hello","hello","hellllo"])
second = np.array(["hlo","halo","alle"])
d = cdist(first[:,np.newaxis],second[:,lambda a,b: diff_len(a[0],b[0]))
print(d.T)
# [[2. 2. 4.]
#  [1. 1. 3.]
#  [1. 1. 3.]]

请注意，您需要强制转换输出矩阵类型以使其为整数。