我可以帮助你翻译。以下是需要翻译的内容:
我有一个大型数据框(例如:15k个对象),其中每一行都是一个对象,列是数字对象特征。它的格式如下:
df = pd.DataFrame({ 'A' : [0, 0, 1],
'B' : [2, 3, 4],
'C' : [5, 0, 1],
'D' : [1, 1, 0]},
columns= ['A','B', 'C', 'D'], index=['first', 'second', 'third'])
我想要计算所有对象(行)之间的配对距离,并且得知scipy's pdist()函数是由于其计算效率而成为好的解决方案。 我可以简单地调用:
res = pdist(df, 'cityblock')
res
>> array([ 6., 8., 4.])
请注意,
res
数组中的距离按以下顺序排列:[first-second, first-third, second-third]
。我的问题是如何将其以矩阵、数据框或(不太理想的)字典格式获取,以便我确切地知道每个距离值属于哪对?例如下面所示:
first second third
first 0 - -
second 6 0 -
third 8 4 0
最终,我认为将距离矩阵作为pandas DataFrame可能会很方便,因为我可以对每一行应用一些排名和排序操作(例如,找到最接近物体first
的前N个对象)。