EMD距离wasserstein_distance的使用

wasserstein_distance

所属模块：scipy

功能：衡量两个分布之间的相似性

---

实例1：计算EMD距离值

#code-python(3.6)
from scipy.stats import wasserstein_distance
x0 = wasserstein_distance([0, 1, 3], [0, 1, 3])		#相同的分布，分布的差异为0
x1 = wasserstein_distance([3, 1, 0], [0, 1, 3])		#相同分布，但元素顺序打乱，分布的差异值仍然为0
x2 = wasserstein_distance([0, 1, 2], [0, 1, 3])     #分布中只有部分值相同，分布的差异值仍然为0.3
x3 = wasserstein_distance([4, 5, 6], [0, 1, 3])     #分布完全不同，分布的差异值为3.6
print("x0 = ",x0)
print("x1 = ",x1)
print("x2 = ",x2)
print("x3 = ",x3)

---

函数说明

scipy.stats.wasserstein_distance(u_values, v_values, u_weights=None, v_weights=None)

返回值说明

返回一个浮点数float，返回值越大，两个分布的距离差别越大

参数说明

u_values, v_values		要计算距离的两个分布的集合，形式可以是列表
u_weights, v_weights	样本点的权重，若总权重不为1，则会被归一化为1；默认是每个点的权重都一样

---

实例2:分布中每个点的权重不同

#code-python(3.6)
from scipy.stats import wasserstein_distance
x = wasserstein_distance([3.4, 3.9, 7.5, 7.8], [4.5, 1.4],[1.4, 0.9, 3.1, 7.2], [3.2, 3.5])
#分布1是[3.4, 3.9, 7.5, 7.8]，每个点的权重是[1.4, 0.9, 3.1, 7.2]；
#分布2是[4.5, 1.4]，每个点的权重是[3.2, 3.5]；
print("x = ",x)