scipy.spatial.distance.

sokalsneath#

scipy.spatial.distance.sokalsneath(u, v, w=None)[source]#

计算两个布尔型一维数组之间的 Sokal-Sneath 差异。

u 和 v 之间的 Sokal-Sneath 差异为：

\[\frac{R} {c_{TT} + R}\]

其中 \(c_{ij}\) 是 \(\mathtt{u[k]} = i\) 和 \(\mathtt{v[k]} = j\) 在 \(k < n\) 中出现的次数，并且 \(R = 2(c_{TF} + c_{FT})\)。

参数:

u(N,) array_like, bool: 输入数组。
v(N,) array_like, bool: 输入数组。
w(N,) array_like, 可选: u 和 v 中每个值的权重。默认值为 None，为每个值赋予 1.0 的权重。

返回值:

sokalsneathdouble: 向量 u 和 v 之间的 Sokal-Sneath 差异。

示例

>>> from scipy.spatial import distance
>>> distance.sokalsneath([1, 0, 0], [0, 1, 0])
1.0
>>> distance.sokalsneath([1, 0, 0], [1, 1, 0])
0.66666666666666663
>>> distance.sokalsneath([1, 0, 0], [2, 1, 0])
0.0
>>> distance.sokalsneath([1, 0, 0], [3, 1, 0])
-2.0