如何用Python计算并比较两条曲线之间的相似度？

在Python中，有多种方法可以计算两条曲线之间的相似度。一种常用的方式是通过计算它们之间的某种距离度量，如欧几里得距离、曼哈顿距离或是皮尔逊相关系数等。这里简单介绍一下计算欧氏距离和皮尔逊相关系数的方法：

1. 欧氏距离 (Euclidean Distance):
- 首先，你需要将两条曲线的数据转换成数组形式。
- 对于每一对时间点对应的值，分别计算差值的平方。
- 将所有这些平方差相加，得到总和。
- 最后，取这个总和的平方根，即为两个曲线的欧氏距离。

import numpy as np

def euclidean_similarity(curve1, curve2):
    curve1_array = np.array(curve1)
    curve2_array = np.array(curve2)
    return np.sqrt(np.sum((curve1_array - curve2_array) ** 2))

# 使用示例
similarity = euclidean_similarity(list_of_curve1_values, list_of_curve2_values)

2. 皮尔逊相关系数 (Pearson Correlation Coefficient):
- 这种方法衡量的是两者的线性相关性，范围从-1到1。
- 需要先计算每个数据点的均值，然后计算各自减去均值后的乘积求和，最后除以标准差的乘积。

from scipy.stats import pearsonr

def pearson_similarity(curve1, curve2):
    corr, _ = pearsonr(curve1, curve2)
    return corr

# 使用示例
similarity = pearson_similarity(list_of_curve1_values, list_of_curve2_values)