如何创建成对DTW（动态时间规整）代价矩阵？Python代码生成全inf矩阵问题排查求助

嘿，我帮你瞅了瞅这段DTW代码，问题还挺明显的，难怪输出全是无穷大！咱们一步步捋清楚问题出在哪，再给你修正后的代码：

你的代码里的核心问题 #

• 初始化逻辑错误：你一开始把整个cost_matrix都设成了inf，但DTW的起点（也就是矩阵的(0,0)位置）应该是两个序列第一个元素的距离，而不是无穷大。而且你完全没计算x和y对应位置的距离——这可是DTW的核心啊，每一步的代价应该是当前点的距离加上之前路径的最小代价！
• 边界处理缺失：DTW的第一行和第一列是特殊的边界：第一行只能从左边的元素累加（对应插入操作），第一列只能从上方的元素累加（对应删除操作）。你直接从i=1和j=1开始循环，完全没处理这部分，导致边界全是inf，后面的计算自然也跟着变成inf了。
• 路径代价逻辑搞反：你写的dtw_cost = cost_matrix[-1,-1]完全不对，这是取矩阵最后一个元素的值，刚开始循环的时候它还是inf，把inf加到后续计算里，结果肯定还是inf。正确的逻辑应该是先算当前点的距离，再加上左、上、对角线三个方向的最小代价。

修正后的代码 #

import numpy as np

def calc_pairwise_dtw_cost(x, y):
    # 获取两个序列的长度
    len_x, len_y = len(x), len(y)
    # 用inf初始化代价矩阵，方便后续取最小值操作
    cost_matrix = np.full((len_y, len_x), float('inf'))
    
    # 设置DTW的起点：第一个元素的距离
    cost_matrix[0, 0] = np.abs(x[0] - y[0])
    
    # 处理第一列：只能从上方累加（对应删除操作）
    for i in range(1, len_y):
        cost_matrix[i, 0] = cost_matrix[i-1, 0] + np.abs(x[0] - y[i])
    
    # 处理第一行：只能从左方累加（对应插入操作）
    for j in range(1, len_x):
        cost_matrix[0, j] = cost_matrix[0, j-1] + np.abs(x[j] - y[0])
    
    # 填充矩阵的其他位置
    for i in range(1, len_y):
        for j in range(1, len_x):
            # 计算当前两个元素的距离代价
            current_point_cost = np.abs(x[j] - y[i])
            # 取三种可能路径的最小代价，加上当前点的距离
            cost_matrix[i, j] = current_point_cost + min(
                cost_matrix[i-1, j],    # 插入：从上方移动到当前位置
                cost_matrix[i, j-1],    # 删除：从左方移动到当前位置
                cost_matrix[i-1, j-1]   # 匹配：从对角线移动到当前位置
            )
    
    return cost_matrix

测试一下 #

用两个简单的序列测试，比如：

x = [1, 2, 3, 4]
y = [1, 3, 5]
print(calc_pairwise_dtw_cost(x, y))

你会得到正常的代价矩阵，再也不是全inf啦！

内容的提问来源于stack exchange，提问作者Blueboots