目录

一、需求

二、源码

三、效果 

一、需求

• 给定一个列表，里边存放若干三元组，三元组可以看作空间中的点，求每个三元组与其他三元组之间的欧式距离之和，取平均值，作为此处三元组的密度，最终结果用一个字典来存储，键值是三元组，值是对应的密度，上节已完成：

(2条消息) Python：知识图谱中三元组的密度（一）_Starprog_UESTC_Ax的博客-CSDN博客https://angxiao.blog.csdn.net/article/details/123608002

• 将字典中的值从小到大排序，取前 n 名对应的键（即三元组），构成列表并返回。

二、源码

from scipy.spatial.distance import pdist, squareformdef order_score(dicts, count):    """    将字典中的值从小到大排序，取前count名对应的键，构成列表并返回    :param dicts:    :param count:    :return:    """    # 字典根据value排序，获取value排名前count的key构成的列表    final_result = []    # 字典排序并取前count小的值，最终构成列表，    final_value_result = sorted(dicts.values())[:count:]    # 列表去重，因为要根据这些值来寻找对应的键值，避免寻找时重复添加键值    format_final_value_result = []    for id in final_value_result: if id not in format_final_value_result:     format_final_value_result.append(id)    # print(format_final_value_result)    for item1 in format_final_value_result: for item2 in dicts.items():     if item2[1] == item1:  final_result.append(item2[0])    return final_resultpoints = [(0, 0, 0), (2, 2, 2), (3, 3, 3), (1, 1, 1)]dis_resp = squareform(pdist(points))dis_avg = {}  # 平均距离即密度词典flag = 0  # 标识是哪个三元组对应的距离for item in dis_resp:    sum = 0    for i in item: sum += i    dis_avg[points[flag]] = sum / (len(points) - 1)    flag += 1print("每个三元组及在此处对应的密度构成的字典：\n%s" % dis_avg)print("密度最小的前n个三元组：\n%s" % order_score(dis_avg, 3))

三、效果 

强国军事网