假设我在一维空间中定义了以下几点：
x = np.array([[0.70710678],[0.70710678],[0. ],[1.41421356]])
我想在这n个点之间获得欧氏距离最长的m对点（如果m为1，在这种情况下将为1.4142和0）
我尝试使用：
来获取成对距离from scipy.spatial.distance import pdist,cdist
cdist(x,x,'seuclidean')
在这一部分中，我不确定其余部分如何做。
如何获得n个点之间距离最大的m对点
•
问答
shi443213174 回答：如何获得n个点之间距离最大的m对点
我们可以在np.argpartition结果的平坦距离上使用cdist-
dists = np.triu(cdist(x,x,'seuclidean'),1)
s = dists.shape
idx = np.vstack(np.unravel_index(np.argpartition(dists.ravel(),-m)[-m:],s)).T
idx将是最远的m对索引，即idx的每一行将代表x中一对索引。
样品运行-
# with m = 1
In [144]: idx
Out[144]: array([[2,3]])
# with m = 2
In [147]: idx
Out[147]:
array([[1,2],[2,3]])
# with m = 3
In [150]: idx
Out[150]:
array([[0,3],[1,3]])
在2D数组上运行的示例-
In [44]: x
Out[44]:
array([[1.25,1.25],[1.25,[1.87,1.87],[0.62,0.62],[0.,0. ],0.62]])
In [45]: m = 2
In [46]: dists
Out[46]:
array([[0.,0.,1.58,3.16,1.58],4.74,3.16],0. ]])
In [47]: idx
Out[47]:
array([[0,6],6]])
请注意，由于argpartition的工作方式，idx可能没有按距离排序的索引。为此，我们可以-
idx[dists[tuple(idx.T)].argsort()]
要将每个点与最远的对应点配对，可以使用：
np.dstack((x,x[cdist(x,'seuclidean').argmax(axis=-1)]))
#array([[[0.70710678,0. ]],#
# [[0.70710678,#
# [[0.,1.41421356]],#
# [[1.41421356,0. ]]])