使用numpy计算值之间距离的平方和

Question

我是python和stackoverflow的新手。我试图改变我对循环的思考方式。 我有一系列值，其类型为<；类“pandas.core.series.series”>

目标：给定深度n，我想计算每个值（前2*n-2除外）：

result(i) = sum[j=0 to n-1](distance(i-j)*value[i-j])/sum[j=0 to n-1](distance[j])

with distance(i) = sum[k=1 to n-1]((value[i]-value[i-k])^2)

我想避免循环，那么有没有更好的方法来实现使用numpy的目标呢

编辑： 好的，我似乎不太清楚，所以这里有一个n=4的例子：

^{tb1}$

然后我用j=I-1到I-3计算平方差（值[I]-值[j]）^2：

^{tb2}$

我认为得到这个矩阵，完整与否是我问题的核心。 我现在可以计算距离（I），它是一行和距离（I）*值（I）的总和：

^{tb3}$

最后我可以得到结果：

^{tb4}$

例如：

result(10) = (distance(10)*value(10)+distance(9)*value(9)+distance(8)*value(8)+distance(7)*value(7))/(distance(10)+distance(9)+distance(8)+distance(7))

如果需要，我有一个Java版本的算法。 多谢各位

更新： 我终于找到了如何获得完整的平方差矩阵：

import numpy as np
import pandas as pd

n=4
myseries=pd.Series([2, 4, 5, 3, 1, 8, 9, 4, 2, 1, 7])
l=len(myseries)

vector = np.repeat(myseries, l)
mat = vector.to_numpy().reshape((l, l))
diff = mat-np.transpose(mat)

squared_diff = np.multiply(diff, diff)

print(squared_diff)

我仍然需要得到所选元素的总和

Answer 1

你可以这样做：

myseries = pd.Series(np.random.rand(100), dtype='float32')

sum_of_squared_distances= np.sum(np.square(np.diff(myseries.values[:n][1::2])))

其中“n”是第n个索引（深度），而[1:：2]部分仅获取奇数索引值，因为您只需要与奇数索引对应的值（2*n-2除外）