我有n个维度点的集合,我想找到最接近的2个。我能提出的关于2维的最佳结果是:
from numpy import *
myArr = array( [[1, 2],
[3, 4],
[5, 6],
[7, 8]] )
n = myArr.shape[0]
cross = [[sum( ( myArr[i] - myArr[j] ) ** 2 ), i, j]
for i in xrange( n )
for j in xrange( n )
if i != j
]
print min( cross )
这使
[8, 0, 1]
但这对于大型阵列来说太慢了。我可以对其进行哪种优化?
有关的:
Euclidean distance between points in two different Numpy arrays, not within
最佳答案
尝试scipy.spatial.distance.pdist(myArr)
。这将为您提供一个简化的距离矩阵。您可以在上面使用argmin
并找到最小值的索引。可以将其转换为配对信息。
关于python - 识别具有最小欧氏距离的点,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/5119644/