pdist

• pair-wised distance → 모든 쌍 간의 거리
• 데이터 수가 x라면 shape=($xC2$, 1)을 가지는 거리 쌍이 리턴

df = pd.DataFrame({
    'x': [0, 3, 6, 4, 1],
    'y': [0, 4, 0, 5, 1]
}, index=['A', 'B', 'C', 'D', 'E'])

display(pdist(df))

# array([5.        , 6.        , 6.40312424, 1.41421356, 5.        ,
#        1.41421356, 3.60555128, 5.38516481, 5.09901951, 5.        ])

pdist(df).shape

# (10,)

cdist

• cross distance → 두 집합 간의 거리
• 두 집합의 데이터 개수는 달라도 되지만, distance를 구하기 위한 feature의 개수는 같아야 함
• $A(M \times p$), $B(N \times p$) → $Result(M \times N)$

from sklearn.spatial.distance import pdist, cdist
matrix_AB = cdist(df_A, df_B, metric='euclidean')

df_dist_AB = pd.DataFrame(matrix_AB, index=df_A.index, columns=df_B.index)
print(df_dist_AB)

#          B1(3,4)   B2(6,0)
# A1(0,0)      5.0  6.000000
# A2(0,4)      3.0  7.211103
# A3(3,0)      4.0  3.000000

print(f"행렬 크기: {df_dist_AB.shape}")

# 행렬 크기: (3, 2)