У меня есть матрица векторов, где каждая строка является вектором. Я хочу взять среднее значение всех векторов, а затем вычислить косинусное расстояние между каждым вектором и этим средним значением, возвращая массив расстояний.
>>> x = arange(1,10).reshape(3,3)
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
>>> m = x.mean(0)
array([4., 5., 6.])
Значения косинуса следующие
>>> from scipy.spatial.distance import cosine
cosine([1,2,3], [4,5,6])
0.0253681538029239
>>> cosine([4,5,6], [4,5,6])
0.0
>>> cosine([7,8,9], [4,5,6])
0.001809107314273195
Поэтому я хочу написать функцию f
, чтобы
>>> f(x, m)
array([0.0253681538029239, 0.0, 0.001809107314273195])
(Или транспонирование такого массива. Это не имеет значения.)
Какой самый эффективный и нумпифонический способ написать f
? Кажется, что хитрость заключается в том, чтобы получить правильную трансляцию через функцию cosine
, но я не понял, как это сделать. Следующее не работает.
>>> from numpy import frompyfunc
>>> f = frompyfunc(cosine, 2, 1)
>>> f(x, m)
array([[0.0, 0.0, 0.0],
[0.0, 0.0, 0.0],
[0.0, 0.0, 0.0]], dtype=object)
(Похоже, здесь numpy применяет cosine
по элементам, а не по строкам.)
Есть ли способ сделать это без написания for
-цикла?
Похоже, это возможно с apply_along_axis
.
>>> from numpy import apply_along_axis
>>> from functools import partial
>>> g = partial(cosine, m)
>>> apply_along_axis(g, 1, x)
array([0.02536815, 0. , 0.00180911])
Это самый эффективный способ?