如何使用动态时间扭曲获得距离矩阵？

我有 6 个时间序列值，如下所示。

import numpy as np
series = np.array([
     [0., 0, 1, 2, 1, 0, 1, 0, 0],
     [0., 1, 2, 0, 0, 0, 0, 0, 0],
     [1., 2, 0, 0, 0, 0, 0, 1, 1],
     [0., 0, 1, 2, 1, 0, 1, 0, 0],
     [0., 1, 2, 0, 0, 0, 0, 0, 0],
     [1., 2, 0, 0, 0, 0, 0, 1, 1]])

假设，我想获取动态时间扭曲的距离矩阵来执行聚类。我用了dtaidistance库如下。

from dtaidistance import dtw
ds = dtw.distance_matrix_fast(series)

我得到的输出如下。

array([[       inf, 1.41421356, 2.23606798, 0.        , 1.41421356, 2.23606798],
       [       inf,        inf, 1.73205081, 1.41421356, 0.        , 1.73205081],
       [       inf,        inf,        inf, 2.23606798, 1.73205081, 0.        ],
       [       inf,        inf,        inf,        inf, 1.41421356, 2.23606798],
       [       inf,        inf,        inf,        inf,        inf, 1.73205081],
       [       inf,        inf,        inf,        inf,        inf,        inf]])

在我看来，我得到的输出是错误的。例如，据我了解输出的对角线值应该是0（因为他们是理想的匹配）。

我想知道我哪里做错了以及如何解决它。我也很高兴使用其他 python 库得到答案。

如果需要，我很乐意提供更多详细信息。

一切都是正确的。按照the docs https://dtaidistance.readthedocs.io/en/latest/usage/dtw.html#dtw-between-set-of-series:

结果以矩阵表示形式存储。由于只有上层 需要三角矩阵这个表示使用更多的内存 必要的。

所有对角元素均为 0，下三角矩阵与在对角线上镜像的上三角矩阵相同。由于所有这些值都可以从上三角矩阵中扣除，因此它们不会显示在输出中。
您甚至可以使用compact=True参数仅获取连接到一维数组的上对角矩阵中的值。

您可以将结果转换为完整矩阵，如下所示：

ds[ds==np.inf] = 0
ds += dt.T