pdist 및 squareform과 함께 nparray를 사용하여 거리 행렬 생성

StackOverflow https://stackoverflow.com//questions/22081503

문제

DBSCAN(scikit 학습 구현) 및 위치 데이터를 사용하여 클러스터링을 시도하고 있습니다.내 데이터는 np 배열 형식이지만 Haversine 공식과 함께 DBSCAN을 사용하려면 거리 행렬을 만들어야 합니다.이 작업을 수행하려고 하면 다음과 같은 오류가 발생합니다(호출할 수 없는 '모듈' 오류). 온라인에서 읽은 내용에 따르면 이는 가져오기 오류이지만 나에게는 그렇지 않다고 확신합니다.나는 내 자신의 Haversine 거리 공식을 만들었지만 오류가 이것에 있지 않다고 확신합니다.

이것은 내 입력 데이터인 np 배열(ResultArray)입니다.

[[ 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 ]]

그리고 이것은 오류가 발생한 코드 줄입니다.

distance_matrix = sp.spatial.distance.squareform(sp.spatial.distance.pdist
(ResultArray,(lambda u,v: haversine(u,v))))

오류 메시지는 다음과 같습니다.

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

scipy를 sp로 가져옵니다.( scipy를 sp로 가져오기 )

다른 팁

scipy를 사용하면이 링크 편의를 위해 여기에보고되었습니다. 

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()))
.

여기 에서이 "noreferrer">에서 코드에서 영감을받은 코드 버전을보고합니다.링크 : 

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
.

다음과 같은 방법으로 호출 : 

D = spatial.distance.pdist(A, lambda u, v: getDistanceByHaversine(u,v))
.

내 구현에서 행렬 A는 첫 번째 열로 경도 값과 두 번째 열로 표준 값이 10 진수로 표시됩니다.

이제 scipy를 사용하여 거리 행렬을 미리 계산하지 않고도 scikit-learn의 DBSCAN 및 Haversine 측정항목을 사용하여 공간 위도-경도 데이터를 클러스터링할 수 있습니다.

db = DBSCAN(eps=2/6371., min_samples=5, algorithm='ball_tree', metric='haversine').fit(np.radians(coordinates))

이것은 이 튜토리얼에서 나온 것입니다. scikit-learn DBSCAN을 사용하여 공간 데이터 클러스터링.특히, eps 값은 2km를 6371(지구 반경(km))로 나누어 라디안으로 변환합니다.또한, .fit() Haversine 미터법에 대해 라디안 단위로 좌표를 사용합니다.

라이센스 : CC-BY-SA ~와 함께 속성
제휴하지 않습니다 StackOverflow
scroll top