DTW的python实现

动态时间规整（Dynamic Time Warping，DTW）一种用于比较两个时间序列之间相似度的方法。在Python中，可以使用SciPy库中的`scipy.spatial.distance.dtw`函数来实现DTW。

下面是一个简单的DTW的Python实现示例：

import numpy as np
from scipy.spatial.distance import euclidean
from scipy.spatial.distance import cdist

def dtw_distance(s1, s2):
    # 计算两个时间序列的距离矩阵
    distance_matrix = cdist(s1, s2, metric=euclidean)
    
    # 初始化动态规划矩阵
    dp = np.zeros((len(s1)+1, len(s2)+1))
    
    # 填充动态规划矩阵
    for i in range(1, len(s1)+1):
        for j in range(1, len(s2)+1):
            cost = distance_matrix[i-1, j-1]
            dp[i, j] = cost + min(dp[i-1, j], dp[i, j-1], dp[i-1, j-1])
    
    # 返回最终的DTW距离
    return dp[-1, -1]

# 示例数据
s1 = np.array([1, 2, 3, 4, 5])
s2 = np.array([2, 3, 4, 5, 6])

# 计算DTW距离
distance = dtw_distance(s1, s2)
print("DTW距离:", distance)