如何计算数据集内所有数据点的非零两两互距离？

你的尝试代码(X - X) ** 2会生成全零矩阵，因为这是让每个元素和自身相减，完全没实现不同数据点间距离的计算需求。下面是两种可行的实现方式：

方法一：用Numpy手动实现欧氏距离 #

欧氏距离是最常用的距离度量，公式为$\sqrt{\sum_{i=1}^{n}(a_i - b_i)^2}$。利用Numpy的广播机制可以高效计算所有两两样本的距离：

import numpy as np

# 生成20个10维的随机样本
X = np.random.rand(20, 10)

# 扩展维度实现广播，计算所有两两样本的特征差
diff = X[:, np.newaxis, :] - X[np.newaxis, :, :]
# 计算差的平方和，得到平方距离
dist_sq = np.sum(diff ** 2, axis=2)
# 开根号得到欧氏距离矩阵
dist = np.sqrt(dist_sq)

# 将对角线的自身距离（零值）替换为NaN，排除无效值
dist[np.diag_indices_from(dist)] = np.nan

print(dist)

关键说明：

• 维度扩展后，X[:, np.newaxis, :]是(20,1,10)，X[np.newaxis, :, :]是(1,20,10)，广播相减后得到(20,20,10)的差矩阵，对应每一对样本的特征差异
• np.diag_indices_from(dist)获取矩阵对角线的索引，这些位置就是样本自身到自身的距离，设为NaN后可以避免后续分析时的干扰

方法二：用Scipy的现成工具（更简洁） #

Scipy提供了专门计算样本间距离的函数，无需手动实现公式：

import numpy as np
from scipy.spatial.distance import pdist, squareform

X = np.random.rand(20, 10)

# 计算所有两两样本的欧氏距离，返回压缩的一维数组（不含自身距离）
dist_compressed = pdist(X, metric='euclidean')
# 将压缩数组转换为对称距离矩阵
dist_matrix = squareform(dist_compressed)

# 屏蔽对角线的自身零值距离
dist_matrix[np.diag_indices_from(dist_matrix)] = np.nan

print(dist_matrix)

额外选项：

• pdist支持多种距离度量，比如曼哈顿距离可以指定metric='cityblock'，余弦相似度用metric='cosine'
• 如果不需要完整矩阵，直接使用dist_compressed即可，它本身就只包含不同样本间的两两距离，没有自身零值

分析样本间远近关系的小技巧 #

得到距离矩阵后，可以通过以下方式快速分析：

• 用np.nanmin(dist_matrix, axis=1)获取每个样本的最近邻距离
• 用np.nanmax(dist_matrix, axis=1)获取每个样本的最远邻距离
• 用Matplotlib绘制热力图：plt.imshow(dist_matrix, cmap='viridis')，颜色越深代表样本间距离越近

内容的提问来源于stack exchange，提问作者Ana_1960