如何切换Scipy distance_matrix的距离计算方式（欧氏/曼哈顿等）？

首先明确：scipy.spatial.distance_matrix默认使用的就是欧氏距离，你觉得没用到可能是误解了。如果要切换其他距离类型，只需要给函数指定metric参数即可，不同距离的设置方式如下：

1. 显式指定欧氏距离 #

虽然是默认值，也可以显式声明，代码示例：

from scipy.spatial import distance_matrix
import pandas as pd

# 你的坐标DataFrame
df = pd.DataFrame({'x': [50,18,6,30,44,81], 'y': [50,83,21,13,29,68]})

# 显式使用欧氏距离生成距离矩阵
DistMatrix_euclidean = round(pd.DataFrame(
    distance_matrix(df.values, df.values, metric='euclidean'),
    index=df.index, columns=df.index
), 1)

2. 曼哈顿距离（城市街区距离） #

使用metric='cityblock'参数切换：

# 曼哈顿距离计算
DistMatrix_manhattan = round(pd.DataFrame(
    distance_matrix(df.values, df.values, metric='cityblock'),
    index=df.index, columns=df.index
), 1)

3. 马氏距离 #

马氏距离需要额外传入协方差矩阵的逆矩阵，通过VI参数指定：

import numpy as np

# 计算数据集协方差矩阵的逆
cov_inv = np.linalg.inv(df.cov())

# 马氏距离计算
DistMatrix_mahalanobis = round(pd.DataFrame(
    distance_matrix(df.values, df.values, metric='mahalanobis', VI=cov_inv),
    index=df.index, columns=df.index
), 1)

其他常用距离选项 #

除上述类型外，还可指定以下距离：

• 切比雪夫距离：metric='chebyshev'
• 闵可夫斯基距离：metric='minkowski'（可通过p参数指定阶数，p=2等价于欧氏距离，p=1等价于曼哈顿距离）

内容的提问来源于stack exchange，提问作者Yannis_Tr