计算混合分类和数字的距离矩阵

Question

我有一个混合了数字（15 个字段）和分类（5 个字段）数据的数据框。

我可以创建

之后的数字字段的完整距离矩阵

我也想包括分类字段。

用作模板：

import scipy
from scipy.spatial import distance_matrix
from scipy.spatial.distance import squareform
from scipy.spatial.distance import pdist
df2=pd.DataFrame({'col1':[1,2,3,4],'col2':[5,6,7,8],'col3':['cat','cat','dog','bird']})
df2
pd.DataFrame(squareform(pdist(df2.values, lambda u, v: np.sqrt((w*(u-v)**2).sum()))), index=df2.index, columns=df2.index)

在方形计算中，我想包括测试 np.where(u[2]==v[2], 0, 10)（以及其他分类列）

请问我是否也修改 lambda 函数来执行此测试

这里，[0,1]

之间的距离

= sqrt((2-1)^2 + (6-5)^2 + (cat - cat)^2)
= sqrt(1 + 1 + 0)

和[0,2]之间的距离

= sqrt((3-1)^2 + (7-5)^2 + (dog - cat)^2)
= sqrt(4 + 4 + 100)

等等

谁能建议我如何实现这个算法？

Answer 1

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

df2 = pd.DataFrame({'col1':[1,2,3,4],'col2':[5,6,7,8],'col3':['cat','cat','dog','bird']})

def fun(u,v):
    const = 0 if u[2] == v[2] else 10
    return np.sqrt((u[0]-v[0])**2 + (u[1]-v[1])**2 + const**2)

pd.DataFrame(squareform(pdist(df2.values, fun)), index=df2.index, columns=df2.index)

结果：

           0          1          2          3
0   0.000000   1.414214  10.392305  10.862780
1   1.414214   0.000000  10.099505  10.392305
2  10.392305  10.099505   0.000000  10.099505
3  10.862780  10.392305  10.099505   0.000000

计算混合分类和数字的距离矩阵

calculate distance matrix with mixed categorical and numerics

distance

pandas