SciPy - maxinconsts() 方法

SciPy maxinconsts() 方法用于计算两个数据集之间的距离。我们通常在计算矩阵问题时使用此函数。

通过使用此方法，我们可以了解豪斯多夫距离 [directed_hausdorff()] 并了解如何用编程方法解决此问题。豪斯多夫距离的常见用途是找到两个点集之间的距离计算。

语法

以下是 SciPy maxinconsts() 方法的语法 −

maxinconsts(Z, R)
or,
directed_hausdorff(x, y)

参数

此方法接受两个参数 −

• Z：此参数用于存储给定矩阵的中位数数据。
• R：此参数存储名为 inconsistent() 的内置函数，该函数将给定矩阵转换为不一致矩阵。
• x、y：这两个参数都基于相同或不同的矩阵工作。

返回值

此方法返回浮点值类型的结果。

示例 1

以下是显示 SciPy maxinconsts() 方法使用方法的基本示例。

from scipy.cluster.hierarchy import median, inconsistent, maxinconsts
from scipy.spatial.distance import pdist
X = [[0, 0], [0, 1], [1, 0],
     [0, 4], [0, 3], [1, 4],
     [4, 0], [3, 0], [4, 1],
     [4, 4], [3, 4], [4, 3]]
Z = median(pdist(X))
R = inconsistent(Z)
res = maxinconsts(Z, R)
print(res)

输出

上述代码生成以下输出 −

[0.         0.         0.         0.         0.70710678 0.70710678
 0.70710678 0.70710678 1.15470054 1.15470054 1.15470054]

示例 2

程序下方演示了如何使用两个不同数组的豪斯多夫距离。

import numpy as np
from scipy.spatial.distance import directed_hausdorff
x = np.array([[0, 0], [1, 1], [2, 2], [3, 3]])
y = np.array([[0, 1], [1, 2]])

dist, index_x, index_y = directed_hausdorff(x, y)
print("Directed Hausdorff Distance:", dist)
print("Index in x:", index_x)
print("Index in y:", index_y)

输出

上述代码生成以下输出 −

Directed Hausdorff Distance: 2.23606797749979
Index in x: 3
Index in y: 1