scipy.spatial.distance.

sokalsneath#

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

计算两个布尔一维数组之间的 Sokal-Sneath 差异。

uv 之间的 Sokal-Sneath 差异,

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

其中 \(c_{ij}\)\(\mathtt{u[k]} = i\)\(\mathtt{v[k]} = j\) 对于 \(k < n\) 的出现次数,而 \(R = 2(c_{TF} + c_{FT})\)

参数:
u(N,) array_like, bool

输入数组。

v(N,) array_like, bool

输入数组。

w(N,) array_like, optional

uv 中每个值的权重。默认值为 None,这为每个值赋予 1.0 的权重。

返回:
sokalsneathdouble

向量 uv 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