PDISTとSquiorformとのNPArrayを使用した距離行列の作成
https://stackoverflow.com//questions/22081503
-
24-12-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian質問
DBSCAN（Scikit Learn Implementation）と位置データを使用してクラスタしようとしています。私のデータはNPアレイ形式ですが、DBSCANをHAVERSINE式で使用するには、距離行列を作成する必要があります。これを実行しようとすると、次のエラーが発生しました（モジュールの「呼び出し可能なエラー」）オンラインで読んでいるものから、これはインポートエラーですが、私は私の場合ではないと確信しています。私は自分のhaversineの距離数式を作成しましたが、私はエラーがこれではないと確信しています。
[[ 53.3252628 -6.2644198 ]
[ 53.3287395 -6.2646543 ]
[ 53.33321202 -6.24785807]
[ 53.3261015 -6.2598324 ]
[ 53.325291 -6.2644105 ]
[ 53.3281323 -6.2661467 ]
[ 53.3253074 -6.2644483 ]
[ 53.3388147 -6.2338417 ]
[ 53.3381102 -6.2343826 ]
[ 53.3253074 -6.2644483 ]
[ 53.3228188 -6.2625379 ]
[ 53.3253074 -6.2644483 ]]
で、エラーが発生しているコードの行です。
distance_matrix = sp.spatial.distance.squareform(sp.spatial.distance.pdist
(ResultArray,(lambda u,v: haversine(u,v))))
これはエラーメッセージです：
File "Location.py", line 48, in <module>
distance_matrix = sp.spatial.distance.squareform(sp.spatial.distance.pdist
(ResArray,(lambda u,v: haversine(u,v))))
File "/usr/lib/python2.7/dist-packages/scipy/spatial/distance.py", line 1118, in pdist
dm[k] = dfun(X[i], X[j])
File "Location.py", line 48, in <lambda>
distance_matrix = sp.spatial.distance.squareform(sp.spatial.distance.pdist
(ResArray,(lambda u,v: haversine(u,v))))
TypeError: 'module' object is not callable
SCIPYをSPとしてインポートします。（SPとしてのインポートSCIPY）
解決
@Tommasof回答を参照してください。この回答は間違っています.pdistカスタム距離関数を選択できます。正しい答えとして選択されていなくても答えを削除します。
scipyのpdistでは、カスタム距離関数を渡すことができません。 docs あなたはいくつかのオプションを持っていますが、ハーバーサイドの距離はサポートされているメトリックのリスト内ではありません。
（MATLAB pdistは、このオプションをサポートしていますが、ここでの ）
計算を「手動」、すなわちループで行う必要があります。このようなものは機能します。
from numpy import array,zeros
def haversine(lon1, lat1, lon2, lat2):
""" See the link below for a possible implementation """
pass
#example input (your's, truncated)
ResultArray = array([[ 53.3252628, -6.2644198 ],
[ 53.3287395 , -6.2646543 ],
[ 53.33321202 , -6.24785807],
[ 53.3253074 , -6.2644483 ]])
N = ResultArray.shape[0]
distance_matrix = zeros((N, N))
for i in xrange(N):
for j in xrange(N):
lati, loni = ResultArray[i]
latj, lonj = ResultArray[j]
distance_matrix[i, j] = haversine(loni, lati, lonj, latj)
distance_matrix[j, i] = distance_matrix[i, j]
print distance_matrix
[[ 0. 0.38666203 1.41010971 0.00530489]
[ 0.38666203 0. 1.22043364 0.38163748]
[ 1.41010971 1.22043364 0. 1.40848782]
[ 0.00530489 0.38163748 1.40848782 0. ]]
参照のために、HaversideのPythonの実装が見つかりますこちら
他のヒント
SCIPYを使用すると、この
.Y = pdist(X, f)
Computes the distance between all pairs of vectors in X using the user supplied 2-arity function f. For example, Euclidean distance between the vectors could be computed as follows:
dm = pdist(X, lambda u, v: np.sqrt(((u-v)**2).sum()))
ここでは、このコードのマイバージョンはこのコードからインスパイアされたコードにインスパイアされています。リンク：
from numpy import sin,cos,arctan2,sqrt,pi # import from numpy
# earth's mean radius = 6,371km
EARTHRADIUS = 6371.0
def getDistanceByHaversine(loc1, loc2):
'''Haversine formula - give coordinates as a 2D numpy array of
(lat_denter link description hereecimal,lon_decimal) pairs'''
#
# "unpack" our numpy array, this extracts column wise arrays
lat1 = loc1[1]
lon1 = loc1[0]
lat2 = loc2[1]
lon2 = loc2[0]
#
# convert to radians ##### Completely identical
lon1 = lon1 * pi / 180.0
lon2 = lon2 * pi / 180.0
lat1 = lat1 * pi / 180.0
lat2 = lat2 * pi / 180.0
#
# haversine formula #### Same, but atan2 named arctan2 in numpy
dlon = lon2 - lon1
dlat = lat2 - lat1
a = (sin(dlat/2))**2 + cos(lat1) * cos(lat2) * (sin(dlon/2.0))**2
c = 2.0 * arctan2(sqrt(a), sqrt(1.0-a))
km = EARTHRADIUS * c
return km
と次の方法で呼び出す：
D = spatial.distance.pdist(A, lambda u, v: getDistanceByHaversine(u,v))
マトリックスAは、マトリックスAは経度値と2列目として緯度値が10進数で表されている。
SCIPYを使用して距離行列を事前計算せずにScikit-LearnのDBSCANおよびHAVERSINEメトリックを使用して空間緯度経度データをクラスター化できます。
db = DBSCAN(eps=2/6371., min_samples=5, algorithm='ball_tree', metric='haversine').fit(np.radians(coordinates))
これは、このチュートリアルから来ています Scikit-Learn DBSCAN を使用した空間データのクラスタリング。特に、epsの値が2kmでは6371（kmの地球の半径）で割ってラジアンに変換することに注意してください。また、.fit()は、ハワビリスメトリックのラジアン単位で座標を取ります。
