Расстояния в многомерном пространстве

@Marinaa999 · Регистрация: 14.12.2022

Студворк — интернет-сервис помощи студентам

Клиенту понравилась квартира с индексом 12. Найдите к ней ближайшую по евклидовому расстоянию.
Создайте список с расстояниями всех векторов до вектора с номером 12. Вычислите индекс наиболее похожего объекта и сохраните в переменной best_index. Напечатайте результат на экране (уже в прекоде).

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
import numpy as np
import pandas as pd
from scipy.spatial import distance
 
columns = ['комнаты', 'пл. общая', 'кухня', 'пл. жилая', 'этаж', 'всего этажей']
realty = [
    [1, 38.5, 6.9, 18.9, 3, 5],
    [1, 38.0, 8.5, 19.2, 9, 17],
    [1, 34.7, 10.3, 19.8, 1, 9],
    [1, 45.9, 11.1, 17.5, 11, 23],
    [1, 42.4, 10.0, 19.9, 6, 14],
    [1, 46.0, 10.2, 20.5, 3, 12],
    [2, 77.7, 13.2, 39.3, 3, 17],
    [2, 69.8, 11.1, 31.4, 12, 23],
    [2, 78.2, 19.4, 33.2, 4, 9],
    [2, 55.5, 7.8, 29.6, 1, 25],
    [2, 74.3, 16.0, 34.2, 14, 17],
    [2, 78.3, 12.3, 42.6, 23, 23],
    [2, 74.0, 18.1, 49.0, 8, 9],
    [2, 91.4, 20.1, 60.4, 2, 10],
    [3, 85.0, 17.8, 56.1, 14, 14],
    [3, 79.8, 9.8, 44.8, 9, 10],
    [3, 72.0, 10.2, 37.3, 7, 9],
    [3, 95.3, 11.0, 51.5, 15, 23],
    [3, 69.3, 8.5, 39.3, 4, 9],
    [3, 89.8, 11.2, 58.2, 24, 25],
]
 
df_realty = pd.DataFrame(realty, columns=columns)
 
# англ. индекс понравившегося объекта
preference_index = 12
preference_vector = df_realty.loc[preference_index].values
 
distances = # < напишите код здесь >
 
# < напишите код здесь >
 
best_index = # < напишите код здесь >
 
print("Индекс наиболее похожей квартиры:", best_index)

@Gdez · 21.12.2022, 20:42

Marinaa999, Это?:

Python
1
2
3
4
5
6
…
preference_index = 12
preference_vector = np.repeat([df_realty.loc[preference_index].values], len(df_realty), axis=0)
distances = distance.cdist(df_realty.values, preference_vector, 'euclidean')
print(df_realty.iloc[distances[:,0].argsort()[1],:])
…

@Red white socks · 21.12.2022, 21:04

Gdez, с репитом слегка перемудрили

Python
1
2
preference_vector = df_realty.loc[preference_index].values.reshape(1,-1)
distances = distance.cdist(df_realty.values, preference_vector, 'euclidean')

@Gdez · 21.12.2022, 21:14

Red white socks, скорее всего. Со SciPy не работал - ругнулся на не соответствие размеров.

Добавлено через 4 минуты
Верно. Проблема не в несоответствии размеров, а в размерности вектора
Можно было просто в скобки взять без решепа

По времени думаю некритично…

@Red white socks · 21.12.2022, 21:25

Сообщение от Gdez

ругнулся на не соответствие размеров

Ну да, он ожидает матрицы (i,n), (j,n), где i, j - количество векторов R_n в соответствующих множествах.
Евклидовская метрика по умолчанию, именной аргумент можно здесь опустить.

@u235 · 21.12.2022, 22:09

Небольшая вариация, argmin лучше, чем argsort...:

Python
1
2
3
4
5
6
7
preference_index = 12
preference_vector = df_realty.loc[preference_index].values.reshape(1,-1)
distances = distance.cdist(np.array(df_realty.values), preference_vector)
distances[preference_index]=np.inf
best_index=np.argmin(distances)
print(df_realty.iloc[best_index])
print("Индекс наиболее похожей квартиры:", best_index)

@Brodeur · 08.01.2023, 19:54

Всем привет! Расшарю этот тредик сюда тоже

Учебная задача, вектора

Я делал вот так:

Python
1
2
3
4
5
6
7
8
9
distances = []
 
for i in range(len(df_realty)):
value = distance.euclidean(np.array(i), np.array(preference_vector))
distances.append(value)
 
best_index = np.array(distances).argsort()[1]
 
print("Индекс наиболее похожей квартиры:", best_index)

Но решение не сработало. В задании требуется решать именно через distance.euclidean(), но у меня чот не выходит

Добавлено через 8 минут
Решил задачу:

Python
1
2
3
for i in range(len(df_realty)):
    vector = df_realty.loc[i].values
    distances.append(distance.euclidean(preference_vector, vector))

@Gdez · 08.01.2023, 20:12

Brodeur,

Python
1
2
3
4
5
…
distances = [distance.euclidean(df_realty.iloc[i,:].values, np.array(preference_vector)) 
                for i in range(len(df_realty))]
 
best_index = np.array(distances).argsort()[1]

@Catstail · 09.01.2023, 12:23

Что дает решение таких задач? Знание библиотеки? Тренировка памяти? Для последнего, по-моему, лучше учить стихи хороших поэтов. Больше будет пользы.

А для того, кто знает математику, задача тривиальна:

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
realty = [
    [1, 38.5, 6.9, 18.9, 3, 5],
    [1, 38.0, 8.5, 19.2, 9, 17],
    [1, 34.7, 10.3, 19.8, 1, 9],
    [1, 45.9, 11.1, 17.5, 11, 23],
    [1, 42.4, 10.0, 19.9, 6, 14],
    [1, 46.0, 10.2, 20.5, 3, 12],
    [2, 77.7, 13.2, 39.3, 3, 17],
    [2, 69.8, 11.1, 31.4, 12, 23],
    [2, 78.2, 19.4, 33.2, 4, 9],
    [2, 55.5, 7.8, 29.6, 1, 25],
    [2, 74.3, 16.0, 34.2, 14, 17],
    [2, 78.3, 12.3, 42.6, 23, 23],
    [2, 74.0, 18.1, 49.0, 8, 9],
    [2, 91.4, 20.1, 60.4, 2, 10],
    [3, 85.0, 17.8, 56.1, 14, 14],
    [3, 79.8, 9.8, 44.8, 9, 10],
    [3, 72.0, 10.2, 37.3, 7, 9],
    [3, 95.3, 11.0, 51.5, 15, 23],
    [3, 69.3, 8.5, 39.3, 4, 9],
    [3, 89.8, 11.2, 58.2, 24, 25],
]
 
 
def dist2(v1,v2):
    return sum(map(lambda pair: (pair[0]-pair[1])**2,zip(v1,v2)))
 
twelve=realty[12]
 
for i in range(len(realty)):
    imin=-1
    mindist=None
    if i != 12:
        d=dist2(realty[12],realty[i])
        if mindist is None:
            mindist=d
            imin=i
        elif d < mindist:
            mindist=d
            imin=i
print(imin,mindist**0.5)

Квартира с индексом 19.

@Red white socks · 09.01.2023, 12:25

Catstail, помимо знания библиотек, нужны навыки работы с ними

@Catstail · 09.01.2023, 12:27

Red white socks, это "знание 2-го порядка".

@Red white socks · 09.01.2023, 12:31

Catstail, без разницы, 2-го, 4-го или 10-го.
Выпускать деток в открытое море боязно, вот и плавают с бревнышком в лягушатнике

@u235 · 09.01.2023, 14:35

Catstail, знание библиотек и, вообще, вдумчивое чтение документации - очень хороший навык. Позволяет писать короткий и достаточно высокопроизводительный код, делать меньше ошибок. Питон, как язык, тем и хорош что у него есть библиотеки почти на все случаи жизни. Не было бы Numpy, SciPy, Scikit-learn, OpenCV, Keras и т.д. популярность Питона, я уверен, сейчас была бы гораздо ниже.

@Catstail · 09.01.2023, 15:05

Верно. Все верно. Но знание алгоритмов и математики все равно "первичнее".

Новые блоги и статьи Все статьи Все блоги /
Реалии Hrethgir 01.03.2026 Нет, я не закончил до сих пор симулятор. Эта задача сложнее. Не получилось уйти в плавсостав, но оно и к лучшему, возможно. Точнее получалось - но сварщиком в палубную команду, а это значит, в моём. . .	Ритм жизни kumehtar 27.02.2026 Иногда приходится жить в ритме, где дел становится всё больше, а вовлечения в происходящее — всё меньше. Плотный график не даёт вниманию закрепиться ни на одном событии. Утро начинается с быстрых,. . .	SDL3 для Web (WebAssembly): Сборка библиотек: SDL3, Box2D, FreeType, SDL3_ttf, SDL3_mixer и SDL3_image из исходников с помощью CMake и Emscripten 8Observer8 27.02.2026 Недавно вышла версия 3. 4. 2 библиотеки SDL3. На странице официальной релиза доступны исходники, готовые DLL (для x86, x64, arm64), а также библиотеки для разработки под Android, MinGW и Visual Studio. . . .	SDL3 для Web (WebAssembly): Реализация движения на Box2D v3 - трение и коллизии с повёрнутыми стенами 8Observer8 20.02.2026 Содержание блога Box2D позволяет легко создать главного героя, который не проходит сквозь стены и перемещается с заданным трением о препятствия, которые можно располагать под углом, как верхнее. . .
Конвертировать закладки radiotray-ng в m3u-плейлист damix 19.02.2026 Это можно сделать скриптом для PowerShell. Использование . \СonvertRadiotrayToM3U. ps1 <path_to_bookmarks. json> Рядом с файлом bookmarks. json появится файл bookmarks. m3u с результатом. # Check if. . .	Семь CDC на одном интерфейсе: 5 U[S]ARTов, 1 CAN и 1 SSI Eddy_Em 18.02.2026 Постепенно допиливаю свою "многоинтерфейсную плату". Выглядит вот так: https:/ / www. cyberforum. ru/ blog_attachment. php?attachmentid=11617&stc=1&d=1771445347 Основана на STM32F303RBT6. На борту пять. . .	Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .	И ясному Солнцу zbw 12.02.2026 И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.

@Gdez 8850 / 4501 / 1864 Регистрация: 27.03.2020 Сообщений: 7,317
	21.12.2022, 21:14
	Red white socks, скорее всего. Со SciPy не работал - ругнулся на не соответствие размеров. Добавлено через 4 минуты Верно. Проблема не в несоответствии размеров, а в размерности вектора Можно было просто в скобки взять без решепа По времени думаю некритично… 1

@Red white socks 4523 / 1899 / 336 Регистрация: 18.01.2021 Сообщений: 3,489
	09.01.2023, 12:25
	Catstail, помимо знания библиотек, нужны навыки работы с ними 0

@Catstail Супер-модератор 38177 / 21112 / 4307 Регистрация: 12.02.2012 Сообщений: 34,716 Записей в блоге: 14
	09.01.2023, 12:27
	Red white socks, это "знание 2-го порядка". 0

@Red white socks 4523 / 1899 / 336 Регистрация: 18.01.2021 Сообщений: 3,489
	09.01.2023, 12:31
	Catstail, без разницы, 2-го, 4-го или 10-го. Выпускать деток в открытое море боязно, вот и плавают с бревнышком в лягушатнике 0

@u235 5516 / 2869 / 571 Регистрация: 07.11.2019 Сообщений: 4,759
	09.01.2023, 14:35
	Catstail, знание библиотек и, вообще, вдумчивое чтение документации - очень хороший навык. Позволяет писать короткий и достаточно высокопроизводительный код, делать меньше ошибок. Питон, как язык, тем и хорош что у него есть библиотеки почти на все случаи жизни. Не было бы Numpy, SciPy, Scikit-learn, OpenCV, Keras и т.д. популярность Питона, я уверен, сейчас была бы гораздо ниже. 2

@Catstail Супер-модератор 38177 / 21112 / 4307 Регистрация: 12.02.2012 Сообщений: 34,716 Записей в блоге: 14
	09.01.2023, 15:05
	Верно. Все верно. Но знание алгоритмов и математики все равно "первичнее". 1