كيفية حساب مسافة كانبيرا في بايثون (مع مثال)

تعتبر مقاييس المسافة والتشابه من الركائز الأساسية التي تقوم عليها خوارزميات تعلم الآلة، واستخراج البيانات، والتحليل الإحصائي المتقدم. وفي سياق التعامل مع البيانات متعددة الأبعاد، تواجه المقاييس التقليدية مثل المسافة الإقليدية أو مسافة مانهاتن تحديات جوهرية عندما تتفاوت النطاقات العددية للسمات، أو عندما تكون الفروق الطفيفة بين القيم القريبة من الصفر ذات دلالة حرجة تفوق الفروق المطلقة الأكبر حجماً بين الأرقام الضخمة. هنا يبرز مقياس مسافة كانبيرا (Canberra Distance) كحل رياضي رصين يوفر تقييساً ومعايرة تلقائية لكل بعد على حدة، مما يجعله أداة استثنائية في تحليل البيانات المعقدة، والقياس النفسي، وتحليل البيانات الحيوية والبيئية.

يهدف هذا الدليل الأكاديمي الشامل إلى تقديم استكشاف معمق وتأصيلي لمسافة كانبيرا؛ بدءاً من جذورها التاريخية وصياغتها الرياضية الصارمة، ومروراً بالمعالجة الحسابية اليدوية الدقيقة خطوة بخطوة، وصولاً إلى تطبيقها العملي عالي الكفاءة باستخدام لغة البرمجة بايثون ومكتباتها العلمية الرائدة مثل NumPy و SciPy. كما يتناول المقال استراتيجيات تحسين الأداء للحوسبة فائقة السرعة للبيانات الضخمة، ومعالجة الحالات الحدية، ومقارنة المقياس بغيره من المقاييس الفضائية في التطبيقات العملية والنفسية والسلوكية.

سواء كنت باحثاً في مجال الذكاء الاصطناعي، أو عالم بيانات يسعى لتحسين دقة خوارزميات التجميع والتصنيف، أو محللاً إحصائياً يبحث عن حلول لقياس التباين في استجابات الأفراد، فإن هذا المرجع يوفر لك الأساس النظري والتطبيقي المتكامل لتنفيذ وتفسير مسافة كانبيرا بأعلى درجات الدقة والاحترافية البرمجية.

1. مقدمة تأصيلية لمفهوم مسافة كانبيرا (Canberra Distance)

1.1 التعريف الرياضي والنشأة التاريخية للمقياس

تعود الجذور التاريخية لمقياس كانبيرا إلى عام 1966، حين قام العالمان الإحصائيان غودفري لانس (Godfrey Lance) ووليام ويليامز (William Williams) بابتكاره وتقديمه للوسط الأكاديمي عبر أبحاثهما الرائدة في التصنيف الحاسوبي والتحليل العنقودي المنشورة في الدورية العلمية الحاسوبية الأسترالية. جاء هذا الابتكار استجابة لحاجة ملحة في معالجة البيانات البيئية والتصنيفية، حيث كانت المقاييس التقليدية تخفق في موازنة المتغيرات ذات التباين الشديد في المقادير العددية. وقد سُمي المقياس تيمناً بالعاصمة الأسترالية كانبيرا، حيث كان الباحثان يجريان دراساتهما في منظمة البحوث العلمية والصناعية للاتحاد الأسترالي (CSIRO).

من الناحية التصنيفية، تُعد مسافة كانبيرا نسخة معيارية ومعدلة من مسافة مانهاتن (Manhattan Distance أو L1 Norm)، إلا أنها تتميز عنها بدمج معامل تقييس وتطبيع في مقام كل حد من حدود الجمع. يتيح هذا التعديل البنيوي للمقياس أن يعمل داخل فضاءات مترية متمايزة؛ إذ إنه يحول الفروق المطلقة إلى نسب مئوية كسرية تتراوح بين الصفر والواحد الصحيح لكل بعد مستقل. هذا التحول ينقل المقياس من مجرد حساب تراكمي خطي للفروق المجردة إلى مقياس نسبي يعالج التشوه الناتج عن تباين وحدات القياس، وهو ما يمنحه خصائص تجمع بين الفضاءات المترية الكلاسيكية والفضاءات الطوبولوجية اللامترية في بعض الحالات الخاصة.

تكمن طبيعة الفضاءات التي يغطيها مقياس كانبيرا في كونه يعمل بكفاءة قصوى داخل الفضاء الإقليدي الإيجابي المتعدد الأبعاد، ولكنه يمتلك مرونة فريدة في التعامل مع الفضاءات المتفرقة (Sparse Spaces) التي تتسم بكثرة الأصفار والتفاوت الشديد في الكثافة. إن إدراج المقامات المقيسة يجعل الفضاء الهندسي لمسافة كانبيرا فضاءً لا خطياً يتميز بانحناء موضعي يعطي وزناً أكبر للمناطق القريبة من نقطة الأصل، مما يجعله أداة تحليلية فريدة تتجاوز قيود المقاييس المترية الخطية التقليدية وتوفر رؤية هندسية مختلفة لبنية البيانات المعقدة.

1.2 الخصائص البنيوية لمقياس كانبيرا مقارنة بالمقاييس المترية

تتميز مسافة كانبيرا بخاصية بنيوية جوهرية تتمثل في اللاتماثل النسبي للأوزان، حيث تلعب المقامات في المعادلة دوراً محورياً في موازنة الفروق العددية بين الأبعاد المختلفة. في المقاييس المترية الكلاسيكية مثل المسافة الإقليدية، إذا كان البعد الأول يقاس بالآلاف والبعد الثاني بالآحاد، فإن البعد الأول سيهيمن بالكامل على قيمة المسافة الإجمالية ويهمش تأثير البعد الثاني، حتى لو كان التغير في البعد الثاني يمثل تغيراً بنسبة مائة بالمائة في قيمته الذاتية. تقوم مسافة كانبيرا بحل هذه المعضلة البنيوية من خلال قسمة الفرق المطلق على مجموع القيمتين المطلقتين لكل مركب، مما يجعل كل بعد يساهم بنسبة عادلة ومحددة سلفاً في المسافة الكلية بصرف النظر عن مقياس الرسم الخام.

على الرغم من طبيعتها النسبية، تحقق مسافة كانبيرا الشروط الرياضية الأربعة الصارمة للفضاء المتري الحقيقي (Metric Space) عند تطبيقها على المتجهات التي لا تحتوي على أصفار متزامنة. تشمل هذه الشروط أولاً: خاصية اللامسالبية (Non-negativity)، حيث تكون المسافة دائماً أكبر من أو تساوي الصفر. ثانياً: خاصية التطابق أو الهوية للقيم المتماثلة (Identity of Indiscernibles)، والتي تنص على أن المسافة بين متجهين تساوي صفراً إذا وفقط إذا كان المتجهان متطابقين تماماً. ثالثاً: خاصية التماثل (Symmetry)، حيث المسافة من المتجه الأول إلى الثاني تكافئ تماماً المسافة من الثاني إلى الأول. ورابعاً: متباينة المثلث (Triangle Inequality)، التي تضمن أن المسافة المباشرة بين نقطتين لا تتجاوز مجموع مسافتيهما عبر نقطة ثالثة وسيطة.

إضافة إلى ذلك، تبرز الحساسية الفائقة للمقياس تجاه التغيرات الطفيفة عند الاقتراب من الصفر. فعلى سبيل المثال، الفرق بين القيمة 0.1 والقيمة 0.2 يعطي مسافة جزئية قدرها 0.333، بينما الفرق ذاته البالغ 0.1 بين القيمة 100 والقيمة 100.1 يعطي مسافة جزئية ضئيلة جداً تقارب 0.0005. هذه الحساسية الانتقائية تجعل مقياس كانبيرا أداة بالغة الفعالية في الكشف عن التغيرات الحرجة في الظواهر التي تبدأ من مستويات منخفضة، مقارنة بالقيم المرتفعة التي تكون فيها التغيرات الطفيفة مجرد ضجيج عشوائي لا يؤثر جوهرياً على طبيعة الظاهرة المدروسة.

1.3 أهمية مقياس كانبيرا في تحليل البيانات والقياس النفسي

يحظى مقياس كانبيرا بأهمية استثنائية في مجالات تحليل البيانات والقياس النفسي (Psychometrics) والعلوم السلوكية، نظراً لطبيعة البيانات المستخلصة من الاستبيانات والمقاييس النفسية متعددة الأبعاد. في الاختبارات النفسية، غالباً ما يستجيب الأفراد على مقاييس متدرجة مثل مقياس ليكرت (Likert Scale)، حيث تعبر الأرقام المنخفضة عن ندرة وجود العَرَض أو السلوك، في حين تعبر الأرقام المرتفعة عن تكراره الشديد. وتكمن الصعوبة في أن الانتقال من درجة الصفر (غياب السلوك تماماً) إلى الدرجة الأولى (ظهور السلوك نادراً) يحمل دلالة إكلينيكية وتشخيصية هائلة قد تفوق الانتقال من الدرجة الرابعة إلى الخامسة في مقياس التكرار، وهو ما يلتقطه مقياس كانبيرا بدقة لا تضاهى بفضل حساسيته للمقادير المنخفضة.

علاوة على ذلك، يبرز المقياس في مقارنة أنماط التكرار والاستجابات غير المتجانسة بين المجموعات التجريبية والضابطة. عند دراسة الاضطرابات النفسية المتعددة الأبعاد مثل اضطرابات الشخصية أو القلق والاكتئاب المشترك، يمتلك المفحوصون “بروفايلات” استجابة غير متكافئة عبر الأبعاد الفرعية؛ حيث قد يسجل المفحوص درجات صفرية في بعض المحاور ودرجات مرتفعة في محاور أخرى. تساعد مسافة كانبيرا في قياس التباعد السلوكي بين هؤلاء الأفراد دون أن تتأثر النتيجة بارتفاع الدرجات في محور واحد على حساب بقية المحاور، مما يوفر قياساً متزناً للتشابه النمطي الكلي للاستجابات.

كما تتمتع مسافة كانبيرا بموثوقية إحصائية رفيعة عند التعامل مع البيانات الرتبية (Ordinal Data) والبيانات المتقطعة (Discrete Data) التي تشيع في الأبحاث النفسية والاجتماعية. إن افتقار البيانات النفسية للوحدات المادية المطلقة يجعل تطبيق المقاييس الإقليدية محفوفاً بمخاطر الانحياز الرياضي، في حين أن مسافة كانبيرا، عبر تركيزها على النسبية البينية لكل مركب، توفر درعاً إحصائياً يحمي التحليلات العنقودية وتصنيفات الشخصية من التشوهات الناتجة عن تفاوت حدة الاستجابة بين الأفراد، مما يجعلها معياراً ذهبياً في نمذجة التشابه السلوكي.

2. الصياغة الرياضية الدقيقة لمسافة كانبيرا

2.1 تفكيك المعادلة الرياضية العامة لمتجهين متعددي الأبعاد

تُعرّف الصياغة الرياضية الصريحة لمسافة كانبيرا بين متجهين في فضاء نوني الأبعاد على أنها المجموع التراكمي لحواصل قسمة الفروق المطلقة على مجموع القيم المطلقة لكل زوج من المركبات المتناظرة. لنفترض وجود متجهين، المتجه $A = (a_1, a_2, dots, a_n)$ والمتجه $B = (b_1, b_2, dots, b_n)$، حيث يمثل $n$ عدد السمات أو الأبعاد المقاسة، فإن المعادلة تأخذ الشكل الرياضي التالي:

$$D_{Canberra}(A, B) = \sum_{i=1}^{n} \frac{|a_i – b_i|}{|a_i| + |b_i|}$$

عند تفكيك هذه المعادلة إلى عناصرها الأولية، نجد أن البسط يمثل مسافة مانهاتن أحادية البعد لكل متغير على حدة ($|a_i – b_i|$)، وهو يعبر عن الإزاحة العددية المباشرة بين المتجهين على طول ذلك المحور. في المقابل، يمثل المقام ($|a_i| + |b_i|$) معامل التطبيع والتقييس الخاص بذلك البعد، والذي يحول المسافة المطلقة إلى قيمة كسرية نسبية غير معتمدة على الوحدة الرياضية الأصلية للبيانات. هذا التقسيم يضمن أن كل بعد مفرد يساهم بقيمة تقع حتماً في النطاق المغلق بين الصفر والواحد الصحيح في حال كانت القيم موجبة، مما يمنع الأبعاد ذات القيم الرقمية الضخمة من الهيمنة على الدالة التراكمية للمسافة.

يوضح هذا التركيب الرياضي كيف تنجح مسافة كانبيرا في تحقيق التوازن التام بين التأثير الخطي والتأثير النسبي. إذا تضاعفت قيم المركبات في كلا المتجهين بنفس النسبة للبعد $i$، فإن حاصل قسمة البسط على المقام يظل ثابتاً دون أي تغيير، مما يمنح المقياس خاصية فريدة من الصمود أمام تغيرات المقاييس النسبية المتناسبة (Scale Invariance على مستوى المتغير الفردي)، وهو ما يندر وجوده في المقاييس المترية الكلاسيكية الأخرى.

2.2 معالجة الحالات الحدية والقيم الصفرية

تفرض الطبيعة الكسرية لمعادلة مسافة كانبيرا ضرورة صياغة قواعد رياضية صارمة للتعامل مع الحالات الحدية، وعلى رأسها حالة التطابق التام عند الصفر. عندما تكون قيمة المركب في المتجه الأول مساوية للصفر وقيمة المركب المتناظر في المتجه الثاني مساوية للصفر أيضاً ($a_i = 0$ و $b_i = 0$)، يصبح الكسر في الحالة غير المعرفة رياضياً على صورة صفر مقسوماً على صفر ($0/0$). لمعالجة هذا الخلل في الفضاءات التطبيقية، ينص الاصطلاح الرياضي والبرمجي المعياري الذي وضعه لانس وويليامز على تعريف ناتج هذا الحد ليكون مساوياً للصفر تماماً:

$$\text{If } a_i = 0 \text{ and } b_i = 0, \text{ then } \frac{|a_i – b_i|}{|a_i| + |b_i|} = 0$$

أما في الحالة الحدية الثانية، والتي تتضمن وجود قيمة صفرية في أحد المتجهين وقيمة غير صفرية موجبة في المتجه الآخر (مثلاً $a_i = 0$ و $b_i > 0$)، فإن المعادلة تؤول إلى الشكل:

$$\frac{|0 – b_i|}{|0| + |b_i|} = \frac{b_i}{b_i} = 1$$

تعني هذه النتيجة أن أي بعد يمتلك فيه أحد الطرفين وجوداً للسمة بينما يفتقر إليها الطرف الآخر تماماً يسجل أقصى مسافة نسبية ممكنة للبعد الفردي (وهي القيمة 1). يمنح هذا السلوك المقياس خاصية شبيهة بمقاييس الوجود والغياب المستخدمة في علم البيئة والتصنيف البيولوجي، حيث يُعاقب النموذج الرياضي الاختلاف الجذري في وجود السمة بالعقوبة القصوى لتلك السمة.

من زاوية التحليل والاستقرار العددي (Numerical Stability)، يتطلب الانتقال نحو قيم متناهية في الصغر (Infinitesimal Values) حذراً بالغاً في المعالجة البرمجية لتجنب أخطاء الفائض العكسي (Underflow). فعندما تقترب المركبات من الصفر بشكل غير متماثل، يمكن للدالة أن تتذبذب بسرعة بين الصفر والواحد، مما يستدعي استخدام دقة الفاصلة العائمة المزدوجة (Double-precision Floating Point) لضمان اتساق واستقرار النتائج التحليلية.

2.3 الخصائص التحليلية والحساسية النسبية

تتمتع مسافة كانبيرا بخصائص تحليلية تجعلها فريدة في مجال تحليل النظم الديناميكية والبيانات غير المتجانسة. تظهر الحساسية النسبية للمقياس بوضوح عند دراسة معدلات التغير التفاضلية للدالة؛ فالدالة تمتلك مشتقات جزئية ذات مقادير مرتفعة بالقرب من نقطة الأصل، وتتناقص تدريجياً كلما ابتعدت قيم المركبات نحو المالانهاية الإيجابية. هذا يعني أن المقياس يتصرف كنظام مكبر للتباين المجهري للبيانات المتناهية في الصغر، بينما يعمل كمخمد للتباين المظهري للبيانات ذات المقادير الكبيرة التي قد تحتوي على نسب تشويش عشوائي مرتفعة.

فيما يتعلق بالنطاق الكلي للمخرجات الحسابية، إذا كانت جميع مدخلات المتجهين $A$ و $B$ تنتمي إلى مجموعة الأعداد الحقيقية الموجبة أو الصفرية ($\mathbb{R}_{ge 0}$)، فإن نطاق المسافة الإجمالية الناتجة ينحصر بصورة محكمة داخل المجال المغلق التالي:

$$0 le D_{Canberra}(A, B) le n$$

حيث يمثل $n$ عدد الأبعاد الكلي للمتجهات. وتتحقق القيمة الصغرى (صفر) عندما يتطابق المتجهان تماماً في جميع المركبات، بينما تتحقق القيمة القصوى ($n$) عندما يكون كل بعد في أحد المتجهين مساوياً للصفر بينما يقابله في المتجه الآخر قيمة غير صفرية، أو عندما تكون المتجهات متعامدة ومتباعدة تماماً في الفضاء الإيجابي. تتيح هذه الخاصية ميزة هيكلية ممتازة، إذ يمكن تحويل مسافة كانبيرا إلى مقياس معياري نسبي عالمي يقع بدقة بين الصفر والواحد ببساطة من خلال قسمة الناتج النهائي على عدد الأبعاد $n$، وهو ما يسهل دمجها ومقارنتها عبر دراسات ذات أبعاد متفاوتة.

3. الحساب اليدوي لمسافة كانبيرا: مثال خطوة بخطوة

3.1 تعريف المتجهات المعيارية للمسألة العددية

لتوضيح الآلية الحسابية الدقيقة لمسافة كانبيرا وترسيخ الاستيعاب الرياضي للمفهوم، سنقوم بتطبيق المعادلة يدوياً وخطوة بخطوة على مثال عددي محدد ومعياري. سنعتمد في هذه المسألة على متجهين رباعيي الأبعاد ($n = 4$)، بحيث يمثل كل بعد متغيراً كمياً مستقلاً. سنحدد المتجه الأول $A$ والمتجه الثاني $B$ بالقيم التالية:

$$A = [2, 4, 4, 6]$$

$$B = [5, 5, 7, 8]$$

قبل البدء في إجراء العمليات الحسابية، يجب التأكد من استيفاء المتجهين للشروط البنيوية الرياضية الأساسية؛ حيث نلاحظ أن أبعاد المتجهين متساوية تماماً ($n = 4$)، وأن جميع القيم المدخلة هي أعداد حقيقية موجبة، مما يضمن خلو المسألة من إشكاليات القسمة على صفر أو الحاجة إلى التعامل مع التراكيب السالبة المعقدة في هذه المرحلة التعليمية. يهدف هذا المثال إلى تتبع سلوك المقامات وكيفية تخميد الفروق عبر المحاور المتعددة للوصول إلى المسافة النهائية الإجمالية.

3.2 حساب الفروق النسبية لكل بعد على حدة

سنقوم بحساب الكسر الخاص بكل بعد $i$ من الأبعاد الأربعة بصورة منفصلة، بتطبيق الصيغة الجزئية: $D_i = \frac{|a_i – b_i|}{|a_i| + |b_i|}$:

• البعد الأول ($i = 1$): حيث $a_1 = 2$ و $b_1 = 5$.
  
  حساب البسط: $|2 – 5| = |-3| = 3$
  
  حساب المقام: $|2| + |5| = 2 + 5 = 7$
  
  الكسر الجزئي للبعد الأول: $D_1 = \frac{3}{7}$
• البعد الثاني ($i = 2$): حيث $a_2 = 4$ و $b_2 = 5$.
  
  حساب البسط: $|4 – 5| = |-1| = 1$
  
  حساب المقام: $|4| + |5| = 4 + 5 = 9$
  
  الكسر الجزئي للبعد الثاني: $D_2 = \frac{1}{9}$
• البعد الثالث ($i = 3$): حيث $a_3 = 4$ و $b_3 = 7$.
  
  حساب البسط: $|4 – 7| = |-3| = 3$
  
  حساب المقام: $|4| + |7| = 4 + 7 = 11$
  
  الكسر الجزئي للبعد الثالث: $D_3 = \frac{3}{11}$
• البعد الرابع ($i = 4$): حيث $a_4 = 6$ و $b_4 = 8$.
  
  حساب البسط: $|6 – 8| = |-2| = 2$
  
  حساب المقام: $|6| + |8| = 6 + 8 = 14$
  
  الكسر الجزئي للبعد الرابع: $D_4 = \frac{2}{14} = \frac{1}{7}$

نلاحظ من خلال هذه الحسابات الجزئية كيف تباينت المساهمات النسبية؛ فعلى الرغم من أن الفرق المطلق في البعد الأول كان مساوياً للفرق المطلق في البعد الثالث (كلاهما يساوي 3)، إلا أن مساهمة البعد الأول في المسافة الكلية ($\frac{3}{7} \approx 0.42857$) كانت أكبر بكثير من مساهمة البعد الثالث ($\frac{3}{11} \approx 0.27273$)، نظراً لأن القيم الأصلية للمتغير في البعد الأول كانت أصغر حجماً، مما يجسد المبدأ الأساسي لمسافة كانبيرا.

3.3 تجميع القيم وحساب النتيجة النهائية بدقة

لحساب مسافة كانبيرا الإجمالية، نقوم بجمع الكسور الناتجة عن كافة الأبعاد الأربعة:

$$D_{Canberra}(A, B) = D_1 + D_2 + D_3 + D_4 = \frac{3}{7} + \frac{1}{9} + \frac{3}{11} + \frac{1}{7}$$

نقوم أولاً بجمع الحدود ذات المقامات المتشابهة لتسهيل الحساب الرياضي:

$$\frac{3}{7} + \frac{1}{7} = \frac{4}{7}$$

تصبح المعادلة الآن:

$$D_{Canberra}(A, B) = \frac{4}{7} + \frac{1}{9} + \frac{3}{11}$$

لتحويل هذه الكسور الاعتيادية إلى قيم عشرية دقيقة مقربة إلى خمس منازل عشرية:

• $\frac{4}{7} \approx 0.57142857$
• $\frac{1}{9} \approx 0.11111111$
• $\frac{3}{11} \approx 0.27272727$

وبجمع هذه القيم العشرية معاً:

$$D_{Canberra}(A, B) = 0.57142857 + 0.11111111 + 0.27272727 = 0.95526695$$

وبالتقريب إلى خمس منازل عشرية، نصل إلى النتيجة الدقيقة: 0.95527. ومن المنظور الإحصائي التحليلي، فإن هذه القيمة (0.95527) تقع ضمن النطاق النظري للمسافة الذي يتراوح بين 0 و 4 لهذا الفضاء رباعي الأبعاد. وإذا أردنا حساب المسافة المعيارية المقسمة على عدد الأبعاد، فإنها تساوي $0.95527 / 4 \approx 0.2388$، مما يشير إلى أن المتجهين متقاربان نسبياً بنسبة تباعد تبلغ حوالي 23.88% من الحد الأقصى للتباعد الممكن في هذا الفضاء المتري.

4. إعداد بيئة العمل البرمجية في بايثون (Python Environment Setup)

4.1 متطلبات النظام وتثبيت المكتبات الحسابية

للبدء في تطبيق مسافة كانبيرا برمجياً، يجب التأكد من إعداد بيئة عمل مستقرة تدعم الحوسبة العلمية عالية الأداء. يُوصى باستخدام إصدار حديث من لغة Python (الإصدار 3.9 أو ما هو أحدث)، وذلك لضمان التوافق التام مع أحدث التحسينات المعمارية في إدارة الذاكرة ومعالجة المصفوفات الرياضية. ولتفادي أي تعارض بين الاعتماديات البرمجية والمكتبات المختلفة، يُنصح دائماً بإنشاء بيئة عمل افتراضية منعزلة باستخدام أداة venv المدمجة في بايثون، أو عبر نظام إدارة الحزم المتقدم Conda.

تعتمد العمليات الحسابية لمسافة كانبيرا على مكتبتين رئيسيتين في النظام البيئي للبايثون: الأولى هي مكتبة NumPy، وهي حجر الزاوية في معالجة المصفوفات متعددة الأبعاد والعمليات الرياضية الخطية السريعة المكتوبة بلغات منخفضة المستوى مثل C و Fortran. والمكتبة الثانية هي مكتبة SciPy، التي توفر حزماً إحصائية وخوارزميات متقدمة لمعالجة المسافات المكانية والفضاءات الطوبولوجية بكفاءة استثنائية. يمكن تثبيت هاتين المكتبتين عبر مدير الحزم القياسي من خلال تشغيل الأمر التالي في سطر الأوامر:

pip install numpy scipy

يضمن هذا التثبيت تنزيل الحزم الثنائية المترجمة مسبقاً والمحسنة لتستفيد من تعليمات المعالجة المتجهة الحديثة في وحدات المعالجة المركزية (مثل AVX-512 و SSE)، مما ينعكس بشكل مباشر على سرعة وكفاءة الحسابات الرياضية للمصفوفات الضخمة.

4.2 استيراد الحزم البرمجية وإعداد مصفوفات الإدخال

بعد اكتمال التثبيت بنجاح، يتم فتح بيئة التطوير (مثل Jupyter Notebook أو Visual Studio Code أو PyCharm) واستيراد المكتبات وفق الأعراف البرمجية القياسية المعتمدة في مجتمع علوم البيانات. يتم استيراد NumPy بالاسم المستعار np، كما يتم استدعاء وحدة المسافات المكانية distance من مكتبة scipy.spatial لتوفير وصول مباشر للدوال الجاهزة والمحسنة:

import numpy as np
from scipy.spatial import distance

تتمثل الخطوة التالية في تحويل القوائم الرياضية الخام (Python Lists) إلى كائنات مصفوفية متقدمة من نوع ndarray. يوفر هذا التحويل بنية بيانات موحدة الذاكرة (Contiguous Memory Layout)، مما يتيح للمعالج الوصول إلى البيانات بسرعة فائقة وتطبيق الحسابات المتجهة دون الحاجة للمرور عبر طبقات التفسير البطيئة للكائنات البرمجية في بايثون. يتم تعريف المتجهين $A$ و $B$ برمجياً بالشكل التالي:

vector_a = np.array([2, 4, 4, 6], dtype=np.float64)
vector_b = np.array([5, 5, 7, 8], dtype=np.float64)

إن تحديد النوع البياني الصريح dtype=np.float64 منذ البداية يعد من الممارسات البرمجية الفضلى لتفادي أي تحويلات ضمنية للأنواع (Type Casting) أثناء تنفيذ العمليات الحسابية، وضمان الحفاظ على أعلى دقة عددية ممكنة للفواصل العائمة.

4.3 التحقق من صحة وتناسق هياكل البيانات

يعد التحقق من صحة وتناسق مدخلات البيانات خطوة حاسمة لا غنى عنها في خطوط المعالجة الاحترافية؛ إذ إن أي اختلاف في الأبعاد أو وجود لقيم شاذة قد يؤدي إلى أخطاء برمجية كارثية أو إلى نتائج حسابية مضللة صامتة لا تثير استثناءات برمجية واضحة. تتضمن هذه العملية فحصاً شاملاً لثلاثة محاور أساسية: الأبعاد الهندسية، والأنواع البيانية، ونظافة البيانات من القيم المعدومة.

يتم التأكد أولاً من تطابق أشكال المصفوفات باستخدام الخاصية vector_a.shape == vector_b.shape؛ حيث تتطلب مسافة كانبيرا أن يكون طول المتجه الأول مطابقاً تماماً لطول المتجه الثاني. ثانياً، يتم التحقق من أن أنواع البيانات تنتمي للمجالات الرقمية (Numeric Types) كالقيم الصحيحة أو العشرية، واستبعاد النصوص أو الكائنات الهيكلية. ثالثاً، يتم فحص المتجهات للتأكد من خلوها تماماً من القيم غير المعرفة أو المفقودة مثل None أو np.nan باستخدام دوال الفحص المنطقي مثل np.isnan(vector_a).any().

يوفر هذا الفحص المبكر لمدخلات البيانات ضمانة صارمة بأن خط الأنابيب الحسابي سيعمل بأمان تام وموثوقية رياضية كاملة، وهو ما يمهد الطريق لتنفيذ حساب مسافة كانبيرا سواء باستخدام الدوال الجاهزة أو الدوال المخصصة دون المخاطرة بمواجهة أخطاء تشغيلية غير متوقعة.

5. حساب مسافة كانبيرا باستخدام مكتبة SciPy

5.1 استخدام الدالة المعيارية scipy.spatial.distance.canberra

توفر مكتبة SciPy تطبيقاً معيارياً فائق الكفاءة لحساب مسافة كانبيرا من خلال الدالة scipy.spatial.distance.canberra. تتميز هذه الدالة بأنها مكتوبة ومحسنة داخلياً بلغة C، مما يمنحها سرعة تنفيذ مذهلة تتفوق بمراحل على أي كود مفسر مكتوب بلغة بايثون الصرفة. يأتي التوقيع البرمجي (Signature) للدالة بالصيغة القياسية التالية:

scipy.spatial.distance.canberra(u, v, w=None)

تستقبل الدالة المعاملين الإلزاميين u و v، واللذين يمثلان المتجهين المراد قياس المسافة بينهما. بالإضافة إلى ذلك، توفر الدالة المعامل الاختياري w، وهو متجه يمثل الأوزان الإحصائية (Weights) للأبعاد في حال الرغبة في تطبيق مسافة كانبيرا الموزونة (Weighted Canberra Distance). يتيح هذا المعامل للباحث إعطاء أولوية وأهمية نسبية لأبعاد معينة على حساب أبعاد أخرى في التحليل، حيث تقوم الدالة بضرب كل حد كسر بالوزن المقابل له قبل إجراء الجمع التراكمي النهائي.

تتولى الدالة داخلياً إدارة كافة العمليات المنطقية الدقيقة، بما في ذلك فحص الأبعاد، وتطبيق القيمة المطلقة للفروق والمجاميع، والتعامل الذكي مع حالات القسمة على صفر وفق الاصطلاح الرياضي المعتمد ($0/0 = 0$) دون إصدار أي تحذيرات حسابية قد تعطل تدفق البرامج.

5.2 تنفيذ الكود البرمجي للمثال المعياري

لتطبيق الدالة المعيارية على مثالنا العددي الذي قمنا بحله يدوياً في القسم السابق، نقوم بتنفيذ الشفرة البرمجية التالية بلغة بايثون، والتي توضح البساطة والأناقة البرمجية التي توفرها مكتبة SciPy:

import numpy as np
from scipy.spatial import distance

# تعريف المتجهين المعياريين
array1 = np.array([2, 4, 4, 6], dtype=np.float64)
array2 = np.array([5, 5, 7, 8], dtype=np.float64)

# حساب مسافة كانبيرا باستخدام دالة SciPy
canberra_dist = distance.canberra(array1, array2)

# طباعة النتيجة بدقة عالية
print(f"مسافة كانبيرا المحسوبة: {canberra_dist:.16f}")

عند تنفيذ هذه الشفرة البرمجية، تطبع بيئة بايثون النتيجة الرقمية فائقة الدقة التالية:

مسافة كانبيرا المحسوبة: 0.9552669552669553

توضح هذه النتيجة المباشرة كيف تقوم الدالة بتنفيذ المعادلة الرياضية الشاملة في جزء ضئيل جداً من الميكروثانية، مع الحفاظ على أقصى درجات الدقة الحسابية المتاحة في المعمارية البرمجية للحاسوب.

5.3 تحليل مخرجات الكود ومطابقتها مع الحل اليدوي

عند مقارنة القيمة البرمجية الناتجة من بايثون ($0.9552669552669553$) مع القيمة التي توصلنا إليها عبر الحل الرياضي اليدوي ($0.95527$)، نلاحظ تطابقاً رياضياً تاماً ومطلقاً حتى المرتبة الرابعة بعد الفاصلة، مع ظهور امتداد دقيق للكسور الدورية في المنزلة الخامسة وما بعدها. هذا التفاوت المجهري في المنازل العشرية الأخيرة يرجع إلى مفهوم دقة الفاصلة العائمة (Floating Point Precision) ومعيار IEEE 754 الذي تستخدمه أجهزة الحواسيب الحديثة لتمثيل الأرقام الكسرية في النظام الثنائي.

في الحل اليدوي، قمنا بتقريب الكسور الاعتيادية الدورية ($\frac{4}{7} \approx 0.57142857$ و $\frac{1}{9} \approx 0.11111111$ و $\frac{3}{11} \approx 0.27272727$) عند منازل عشرية محددة، بينما احتفظت لغة بايثون عبر مكتبة SciPy بالتمثيل الثنائي الكامل لهذه الكسور داخل مسجلات المعالج بسعة 64 بت، مما أتاح جمعها التراكمي دون أي فقدان مبكر للدقة. يعزز هذا التطابق التام الثقة في صحة الحل اليدوي، ويبرهن في الوقت ذاته على موثوقية التطبيق البرمجي في معالجة العمليات الحسابية المعقدة بأعلى درجات الرصانة الإحصائية.

6. بناء خوارزمية مخصصة لحساب مسافة كانبيرا باستخدام NumPy الخالص

6.1 تطوير دالة برمجية مخصصة دون الاعتماد على SciPy

في العديد من سيناريوهات الإنتاج البرمجي المتقدمة، أو عند بناء أنظمة مدمجة خفيفة الوزن، قد يرغب مهندس البيانات في تقليل الاعتماديات الخارجية وحذف مكتبة SciPy والاكتفاء بمكتبة NumPy فقط. لبلوغ هذا الهدف، يمكننا تطوير دالة بايثون مخصصة تعتمد على المبادئ الرياضية الأولية وتحقق نفس الدقة والكفاءة. سنقوم بتصميم الدالة تحت اسم custom_canberra_distance لتستقبل المتجهين وتتحقق من سلامة المدخلات قبل إجراء الحساب:

import numpy as np

def custom_canberra_distance(a, b):
    a = np.asarray(a, dtype=np.float64)
    b = np.asarray(b, dtype=np.float64)
    assert a.shape == b.shape, "يجب أن يتطابق طول وشكل المتجهين تماماً"
    numerator = np.abs(a - b)
    denominator = np.abs(a) + np.abs(b)
    # معالجة القسمة على صفر للحالات التي يكون فيها كلا المركبين صفراً
    mask = denominator != 0
    fractions = np.zeros_like(numerator)
    fractions[mask] = numerator[mask] / denominator[mask]
    return np.sum(fractions)

تستخدم هذه الدالة التحويل التلقائي np.asarray لضمان مرونة استقبال المدخلات سواء كانت قوائم عادية أو مصفوفات، وتطبق فحوصات توكيد صارمة (Assertions) للتأكد من تساوي الأبعاد، وتنشئ مصفوفة أقنعة منطقية (Boolean Mask) لحماية الحسابات من أي محاولة للقسمة على صفر.

6.2 الاستفادة من العمليات المتجهة (Vectorization) في NumPy

يكمن السر الجوهري في السرعة الفائقة لمكتبة NumPy في مفهوم الحوسبة المتجهة (Vectorization)، والذي يعني استبدال الحلقات التكرارية الصريحة (Explicit For Loops) بعمليات مصفوفية داخلية تُنفذ بالكامل على مستوى لغة C. في لغة بايثون، تعتبر الحلقات التكرارية بطيئة جداً نظراً لأن المفسر يقوم بالتحقق من نوع البيانات وإدارة الذاكرة في كل دورة تكرارية على حدة (Dynamic Typing Overhead).

في دالتنا المخصصة، قمنا بحساب البسط التراكمي لكامل المتجهين دفعة واحدة عبر التعبير المتجه np.abs(a - b)، والمقام دفعة واحدة عبر np.abs(a) + np.abs(b). تقوم هذه العمليات المتجهة بتوجيه أوامر مباشرة لمعالج الحاسوب لمعالجة عناصر المصفوفات في خطوط أنابيب متوازية، مما يلغي الحاجة تماماً لأي حلقات تكرارية في كود بايثون، ويضمن تنفيذ العمليات الحسابية لملايين العناصر في أجزاء من الثانية دون استهلاك غير مبرر لموارد النظام.

6.3 مقارنة الدقة والأداء بين الدالة المخصصة ودالة SciPy

لاختبار جودة وموثوقية الدالة المخصصة، يجب إخضاعها لاختبارات مقارنة مزدوجة تشمل الدقة الرياضية وسرعة الأداء الزمني. للتأكد من تطابق النتائج العددية تماماً، يمكننا استخدام أدوات الفحص المتقدمة في NumPy مثل np.isclose أو np.testing.assert_almost_equal:

# التحقق من تطابق النتائج
scipy_res = distance.canberra(array1, array2)
custom_res = custom_canberra_distance(array1, array2)
print(f"هل النتائج متطابقة تماماً؟ {np.isclose(scipy_res, custom_res)}")

أما من حيث تقييم الأداء الزمني، فيمكننا استخدام وحدة timeit المدمجة لقياس زمن التنفيذ عبر توليد متجهين عشوائيين ضخمين يحتوي كل منهما على مليون عنصر ($n = 1,000,000$). عند إجراء الاختبار، نجد أن دالة SciPy ودالة NumPy المخصصة المتجهة تحققان أداءً متقارباً للغاية بزمن استجابة يقل عن بضعة أجزاء من الألف من الثانية للمتجه المليوني، في حين أن كتابة كود يعتمد على حلقة تكرارية صريحة بلغة بايثون يستغرق زمناً يفوقهما بمئات المرات، مما يثبت الكفاءة العالية للحلول المتجهة.

7. التعامل مع الحالات الخاصة والقيم المعقدة برمجياً

7.1 معالجة المتجهات الصفرية والقسمة على صفر

تعد مشكلة القسمة على صفر من أخطر التحديات الحسابية التي تواجه مقاييس المسافات الكسرية. في مسافة كانبيرا، تنشأ هذه المشكلة عندما يحتوي المتجهان على أصفار متناظرة في نفس البعد، حيث يصبح المقام مساوياً للصفر المطلق ($|0| + |0| = 0$). إذا تم تمرير هذه المصفوفات إلى عملية قسمة عادية دون معالجة مسبقة، ستصدر بايثون تحذيراً تشغيلياً شهيراً هو RuntimeWarning: invalid value encountered in divide وستكون النتيجة في ذلك البعد هي NaN (Not a Number)، مما يؤدي بدوره إلى إفساد المسافة الكلية وجعلها غير معرفة بالكامل.

بينما تتعامل دالة SciPy داخلياً مع هذه المعضلة باصطلاح $0/0 = 0$، يجب على المطور في الدوال المخصصة توظيف تقنيات متقدمة لمعالجة المصفوفات الصفرية بأمان. إحدى الطرق الأنيقة والفعالة هي استخدام الدالة np.where مع دالة الاستبدال np.nan_to_num، أو استخدام التقييم المشروط للمقامات بالشكل التالي:

# أسلوب متقدم لمعالجة المقامات الصفرية
denom = np.abs(a) + np.abs(b)
# استبدال الأصفار في المقام بقيمة 1 مؤقتاً لتفادي خطأ القسمة، ثم تصفير البسط المقابل
safe_denom = np.where(denom == 0, 1.0, denom)
fractions = np.where(denom == 0, 0.0, np.abs(a - b) / safe_denom)
final_distance = np.sum(fractions)

تضمن هذه الاستراتيجية التخلص التام من التحذيرات الحسابية المزعجة وضمان استقرار الكود الرياضي تحت أي مدخلات صفرية متطرفة.

7.2 إدارة القيم السالبة في متجهات المدخلات

صُممت مسافة كانبيرا في الأصل للتعامل مع البيانات غير السالبة، ولكن عند تطبيقها في مجالات مثل معالجة الإشارات أو القياس النفسي المحور حول المتوسط (Mean-centered Data)، قد تحتوي المتجهات على قيم سالبة وموجبة مختلطة. يثير هذا تساؤلاً جوهرياً حول سلوك المقام: هل يمكن للقيم السالبة أن تؤدي إلى تلاشي المقام عند تعادل المقادير؟

الإجابة الرياضية هي لا؛ نظراً لأن المقام يجمع القيم المطلقة لكل مركب على حدة ($|a_i| + |b_i|$)، وليس القيمة المطلقة للمجموع ($|a_i + b_i|$). بالتالي، فإن المقام يظل دائماً كمية موجبة تماماً لأي أرقام غير صفرية، بصرف النظر عن إشاراتها الجبرية. لنفترض المتجهين $A = [-3, 4]$ و $B = [3, -4]$؛ فإن حساب البعد الأول يكون:

$$\frac{|-3 – 3|}{|-3| + |3|} = \frac{|-6|}{3 + 3} = \frac{6}{6} = 1$$

يعكس هذا السلوك أن مسافة كانبيرا تعامل التضاد الكامل في الإشارة كأقصى درجات الاختلاف النسبي بين القيمتين (المسافة تساوي 1 للبعد الفردي)، وهو ما يتفق منطقياً مع الفلسفة التحليلية للمقياس في الكشف عن التناقض السلوكي والقطبي للمتغيرات.

7.3 التعامل مع البيانات المفقودة (NaNs) والقيم الشاذة

في بيئات العمل الواقعية وخطوط أنابيب البيانات الإكلينيكية والاجتماعية، تعاني مجموعات البيانات دائماً من وجود قيم مفقودة (Missing Values) تمثل داخل لغة بايثون بالرمز np.nan. يؤدي وجود أي قيمة NaN في المتجهات إلى انتقالها عبر العمليات الرياضية وتحويل المسافة الكلية إلى NaN. لذلك، تتطلب المعالجة الاحترافية تطبيق استراتيجيات تنظيف صارمة قبل الحساب.

يمكن للمحلل استخدام الأقنعة المنطقية لاستبعاد الأبعاد المشتركة التي تحتوي على قيم مفقودة في أي من المتجهين (Pairwise Complete Observation Strategy):

valid_mask = ~np.isnan(vector_a) & ~np.isnan(vector_b)
clean_a = vector_a[valid_mask]
clean_b = vector_b[valid_mask]
# حساب المسافة وتعديلها وفق عدد الأبعاد المتبقية
adjusted_distance = distance.canberra(clean_a, clean_b) * (len(vector_a) / np.sum(valid_mask))

أما فيما يتعلق بالقيم المتطرفة والشاذة (Outliers)، فإن مسافة كانبيرا تتمتع بحصانة ذاتية فائقة تفوق المسافة الإقليدية؛ حيث إن الحد الأقصى لمساهمة أي قيمة شاذة مهما بلغ حجمها المليوني محكوم بالسقف الأعلى للكسر ($1$)، مما يمنع تشويه المسافة الإجمالية أو سحب التحليل العنقودي بالكامل باتجاه نقطة شاذة واحدة.

8. مقارنة مسافة كانبيرا بالمقاييس المترية والمسافات الأخرى في بايثون

8.1 المقارنة مع المسافة الإقليدية (Euclidean Distance)

تعتبر المسافة الإقليدية (L2 Norm) المقياس الهندسي الأكثر شيوعاً في العلوم الطبيعية والبيانات المكانية، وهي تعبر عن طول الخط المستقيم الواصل بين نقطتين في الفضاء الإقليدي وفق الصيغة:

$$D_{Euclidean}(A, B) = \sqrt{\sum_{i=1}^{n} (a_i – b_i)^2}$$

تكمن الفجوة المفاهيمية الكبرى بين المقياسين في طريقة التعامل مع المقادير والانحرافات التربيعية؛ فالمسافة الإقليدية تعتمد على الفروق المطلقة وتربّعها، مما يجعلها شديدة الحساسية للقيم الضخمة وللقيم الشاذة، بينما تعتمد مسافة كانبيرا على التقييس النسبي. لتوضيح الفرق برمجياً عبر بايثون، نطبق الكود المقارن التالي:

# حساب المسافتين للمتجهين السابقين
euc_dist = distance.euclidean(array1, array2)
canb_dist = distance.canberra(array1, array2)
print(f"المسافة الإقليدية: {euc_dist:.4f} | مسافة كانبيرا: {canb_dist:.4f}")

تتفوق مسافة كانبيرا بشكل حاسم على المسافة الإقليدية في السيناريوهات التي تكون فيها المتغيرات مقاسة بوحدات مختلفة تماماً (مثل دمج الدخل السنوي بالدولار مع عدد أفراد الأسرة في متجه واحد)؛ حيث تعجز المسافة الإقليدية عن الموازنة دون تطبيع مسبق، في حين تنجز كانبيرا هذا التطبيع ذاتياً وبصورة أكثر عدالة إحصائية.

8.2 المقارنة مع مسافة مانهاتن (Manhattan Distance)

ترتبط مسافة كانبيرا بصلة قرابة بنيوية وثيقة بمسافة مانهاتن (المعروفة أيضاً بمسافة هندسة شبكة المدينة Cityblock Distance أو L1 Norm)، والتي تُحسب بالصيغة الرياضية التالية:

$$D_{Man\hat\tan}(A, B) = \sum_{i=1}^{n} |a_i – b_i|$$

نلاحظ بوضوح أن بسط معادلة كانبيرا هو عينه مسافة مانهاتن لكل بعد. في بايثون، يتم حساب مسافة مانهاتن باستخدام الدالة scipy.spatial.distance.cityblock:

manh_dist = distance.cityblock(array1, array2)
print(f"مسافة مانهاتن: {manh_dist:.4f} | مسافة كانبيرا: {canb_dist:.4f}")

في مثالنا العددي، تبلغ مسافة مانهاتن الإجمالية: $|2-5| + |4-5| + |4-7| + |6-8| = 3 + 1 + 3 + 2 = 9.0$. نلاحظ هنا أن مسافة مانهاتن تعطي رقماً خاماً يمثل المسافة المطلقة غير المقيدة، مما يجعلها عرضة للتشوه عند مقارنة سمات ذات مقاييس تباين مختلفة. يُعد غياب عامل التطبيع في مانهاتن نقطة ضعف جوهرية تعالجها مسافة كانبيرا ببراعة عبر تحويل المسافة الخام إلى مسافة نسبية موزونة ذات مغزى مقارن موحد.

8.3 المقارنة مع مسافات جيكارد وبراي-كورتيس وشيبشيف

عند مقارنة مسافة كانبيرا بالمقاييس المتقدمة الأخرى، نجد تشابهاً هيكلياً لافتاً مع مسافة براي-كورتيس (Bray-Curtis Dissimilarity)، والتي تُعرّف رياضياً بقسمة مجموع الفروق المطلقة على مجموع كل القيم في كلا المتجهين:

$$D_{Bray-Curtis}(A, B) = \frac{\sum |a_i – b_i|}{\sum (|a_i| + |b_i|)}$$

يتمثل الفارق الدقيق في أن براي-كورتيس تقوم بالتقييس على المستوى الكلي للمتجه (Global Normalization)، في حين تقوم كانبيرا بالتقييس المستقل لكل بعد على حدة (Dimension-wise Normalization). هذا يجعل كانبيرا أكثر حساسية للتباينات الموضعية الدقيقة بين السمات الفردية مقارنة ببراي-كورتيس.

أما بالمقارنة مع مسافة جيكارد (Jaccard Distance) المخصصة للبيانات الثنائية والتواجدية، فإن مسافة كانبيرا تُعد تعميماً مستمراً (Continuous Extension) لفلسفة جيكارد على البيانات الكمية؛ إذ إنها تكافئ سلوك جيكارد عند تطبيقها على متجهات ثنائية القيمة (0 و 1). وفي المقابل، تختلف كانبيرا جذرياً عن مسافة شيبشيف (Chebyshev Distance أو L-infinity) التي تركز فقط على الحد الأقصى للانحراف الفردي مهمشة كافة الأبعاد الأخرى. بالتالي، يظل مقياس كانبيرا الخيار الأمثل عند التعامل مع توزيعات احتمالية شديدة الالتواء وتحتوي على تفاوت واسع في الكثافة والمقاييس عبر أبعادها المختلفة.

9. حساب مصفوفات المسافات الثنائية (Pairwise Distance Matrix) في بايثون

9.1 حساب مسافات كانبيرا لمجموعات عينات متعددة عبر pdist

في معظم تطبيقات تنقيب البيانات وخوارزميات التجميع (Clustering)، لا يقتصر التحليل على حساب المسافة بين متجهين منفردين، بل يتطلب حساب المسافات الثنائية المتقاطعة بين كافة المشاهدات والعينات في مجموعة البيانات (Pairwise Distances). توفر مكتبة SciPy الدالة فائقة الأداء pdist (Pairwise Distance) المجهزة خصيصاً لإجراء هذه المهمة بكفاءة استثنائية وبأقل استهلاك ممكن للذاكرة.

تستقبل الدالة مصفوفة بيانات ثنائية الأبعاد (Data Matrix) ذات حجم $m \times n$ (حيث $m$ هو عدد المشاهدات و $n$ هو عدد السمات)، وتُرجع متجهاً مضغوطاً أحادي البعد يحتوي على المسافات بين كافة الأزواج الممكنة دون تكرار ودون تخزين الأصفار القطرية، مما يوفر نصف مساحة الذاكرة الحسابية تقريباً. يمكن استدعاء الدالة وحساب مسافات كانبيرا بالشكل التالي:

from scipy.spatial.distance import pdist

# إنشاء مصفوفة بيانات تحتوي على 5 عينات و 4 متغيرات
data_matrix = np.array([
    [2, 4, 4, 6],
    [5, 5, 7, 8],
    [1, 0, 2, 3],
    [8, 9, 7, 9],
    [0, 1, 0, 2]
], dtype=np.float64)

# حساب مصفوفة مسافات كانبيرا المضغوطة
condensed_distances = pdist(data_matrix, metric='canberra')
print(f"عدد المسافات المحسوبة للأزواج: {len(condensed_distances)}")

يتم حساب عدد المسافات الثنائية الناتجة وفق التوافيق الرياضية: $\binom{m}{2} = \frac{m(m-1)}{2}$، وهو ما يساوي في مثالنا المكون من 5 عينات: $\frac{5 \times 4}{2} = 10$ مسافات ثنائية فريدة تم حسابها في خطوة واحدة فائقة السرعة.

9.2 إعادة تشكيل المصفوفة الثنائية واستخدام squareform

على الرغم من الفائدة الكبيرة للمصفوفة المضغوطة في توفير استهلاك الذاكرة، إلا أن العديد من الخوارزميات التحليلية تتطلب الحصول على المصفوفة المربعة التماثلية الكاملة (Redundant Square Matrix) ذات الحجم $m \times m$، حيث يمثل العنصر $(i, j)$ المسافة الدقيقة بين العينة $i$ والعينة $j$. لتحقيق هذا التحويل بسلاسة، توفر SciPy الدالة المساعدة squareform:

from scipy.spatial.distance import squareform

# تحويل المتجه المضغوط إلى مصفوفة مربعة متماثلة
square_matrix = squareform(condensed_distances)
print("مصفوفة المسافات الثنائية المربعة لكانبيرا:n", np.round(square_matrix, 4))

عند فحص هذه المصفوفة المربعة، نلاحظ تحقق الشروط الرياضية المترية بامتياز؛ فالقطر الرئيسي للمصفوفة يحتوي على أصفار مطلقة تمثل المسافة الذاتية لكل عينة مع نفسها ($D(x_i, x_i) = 0$)، وتكون المصفوفة متماثلة تماماً حول هذا القطر بحيث يكون $D(x_i, x_j) = D(x_j, x_i)$. يتيح هذا التمثيل المربع للمحلل إمكانية استخراج المسافة الفردية بين أي زوج محدد من الحالات بسرعة عبر الفهرسة البسيطة مثل square_matrix[0, 1] للوصول إلى المسافة بين العينة الأولى والثانية.

9.3 التمثيل البصري لمصفوفة مسافات كانبيرا

يمثل التحليل البصري خطوة استكشافية لا غنى عنها لتحويل الأرقام المجردة في مصفوفة المسافات إلى رؤى معرفية واستنتاجات قابلة للتفسير. تعد الخرائط الحرارية (Heatmaps) والتجميع الهرمي (Hierarchical Clustering) من أقوى الوسائل البصرية المعتمدة في هذا السياق، ويمكن تطبيقها بسهولة باستخدام مكتبتي Matplotlib و Seaborn.

يمكننا كتابة كود بايثون التالي لتوليد خريطة حرارية مجمعة شجرياً (Clustermap) ترتب العينات تلقائياً بناءً على تقارب مسافات كانبيرا بينها:

import seaborn as sns
import matplotlib.pyplot as plt

# رسم الخريطة الحرارية لمصفوفة مسافات كانبيرا مع التجميع الهرمي
clustermap = sns.clustermap(
    square_matrix,
    annot=True,
    fmt=".2f",
    cmap='YlGnBu',
    xticklabels=[f"عينة {i+1}" for i in range(5)],
    yticklabels=[f"عينة {i+1}" for i in range(5)]
)
plt.title("التقارب السلوكي والهرمي لمسافة كانبيرا", pad=20)
plt.show()

توضح هذه اللوحة البيانية العلاقات البينية المعقدة؛ حيث تدل الألوان الداكنة على التقارب الشديد والتشابه النمطي بين الحالات، بينما تكشف التفرعات الشجرية (Dendrograms) في الهوامش عن الهيكل الهرمي للتجمعات الطبيعية، مما يتيح اتخاذ قرارات تصنيفية مستنيرة ومدعومة بالبرهان البصري والرياضي.

10. تطبيقات مسافة كانبيرا في تحليل البيانات النفسية والسلوكية

10.1 تحليل الفروق الفردية في سمات الشخصية ومقاييس ليكرت

يفرض التحليل الإحصائي لبيانات الاستبيانات السلوكية ومقاييس الشخصية (مثل نموذج العوامل الخمسة الكبرى للشخصية Big Five) تحديات فريدة؛ حيث تعتمد الاستجابات على مقاييس ليكرت المتدرجة (مثل 1-5 أو 1-7). يعاني التحليل الإقليدي التقليدي لهذه البيانات من مشكلة “المركزية”، حيث يعامل الفروق عند أطراف المقياس بنفس وزن الفروق في منتصفه، ويتأثر بشدة بالنزعة المركزية لاستجابات الأفراد.

توفر مسافة كانبيرا إطاراً متقدماً لتحليل “بروفايلات” الشخصية الفردية؛ إذ إنها تحسب التشابه النمطي الكلي للاستجابات عبر الأبعاد المتعددة مع مراعاة التباين في حدة الاستجابة. عند مقارنة شخصين يمتلك أحدهما سمات متطرفة (استجابات 1 و 5) مع شخص يمتلك استجابات معتدلة (3 و 3)، تكشف مسافة كانبيرا التباين الجوهري في الهيكل السلوكي بدقة فائقة دون أن تشوه الفروق الطرفية، مما يمنح علماء النفس أداة قياس أكثر موثوقية لفهم ديناميكيات الفروق الفردية والتجانس السلوكي داخل الجماعات.

10.2 التطبيق العملي: دراسة حالة درجات القلق والاكتئاب (PHQ-9 و GAD-7)

لتوضيح القيمة الإكلينيكية لمسافة كانبيرا، سنقوم بمحاكاة دراسة حالة عملية تتضمن درجات تقييم الاكتئاب عبر استبيان صحة المريض (PHQ-9 المكون من درجات 0-3 لكل بند) وتقييم القلق عبر استبيان اضطراب القلق العام (GAD-7). لنفترض أن لدينا ثلاث مجموعات من المرضى: مريض اكتئاب حاد ومبكر، مريض قلق عام، ومفحوص ضابط (سليم إكلينيكياً). سنمثل استجاباتهم عبر متجهات في بايثون:

# متجهات الأعراض: البنود تمثل حدة أعراض مختلفة من 0 إلى 3
patient_depression = np.array([3, 3, 2, 3, 0, 1, 0, 0, 0], dtype=np.float64)
patient_anxiety = np.array([0, 1, 0, 0, 2, 3, 3, 2, 1], dtype=np.float64)
control_subject = np.array([0, 0, 0, 0, 0, 1, 0, 0, 0], dtype=np.float64)

# حساب المسافات الإكلينيكية بين المفحوص الضابط والحالات المرضية
dist_dep_control = distance.canberra(patient_depression, control_subject)
dist_anx_control = distance.canberra(patient_anxiety, control_subject)
dist_dep_anx = distance.canberra(patient_depression, patient_anxiety)

print(f"المسافة بين الاكتئاب والضابط: {dist_dep_control:.2f}")
print(f"المسافة بين القلق والضابط: {dist_anx_control:.2f}")
print(f"المسافة بين الاكتئاب والقلق: {dist_dep_anx:.2f}")

يوضح هذا التحليل كيف تعاقب مسافة كانبيرا الاختلاف في ظهور الأعراض النادرة؛ حيث تعطي مسافة مرتفعة جداً عند مقارنة الحالات الإكلينيكية بالمفحوص الضابط بسبب انتقال الدرجات من 0 إلى قيم إيجابية، بينما تعكس بدقة التباين والتشابه المشترك بين الحالات المرضية وفق المعايير التشخيصية للدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5).

10.3 استخدام مسافة كانبيرا في خوارزميات تعلم الآلة النفسية

يمكن دمج مقياس كانبيرا كدالة مسافة مخصصة (Custom Distance Metric) في العديد من خوارزميات تعلم الآلة الرائدة داخل مكتبة scikit-learn، مثل خوارزمية الجار الأقرب ($k$-Nearest Neighbors – KNN) وخوارزمية التجميع المكاني القائم على الكثافة للتشويش (DBSCAN). لتنفيذ مصنف KNN يعتمد على مسافة كانبيرا لتصنيف الحالات النفسية، نستخدم الكود التالي:

from sklearn.neighbors import KNeighborsClassifier

# تدريب نموذج الجار الأقرب باستخدام مقياس كانبيرا كدالة مترية صريحة
knn_canberra = KNeighborsClassifier(n_neighbors=3, metric='canberra')

# نفترض وجود مصفوفة سمات X_train وتسميات تشخيصية y_train
# knn_canberra.fit(X_train, y_train)

أظهرت الدراسات التطبيقية في المعلوماتية النفسية أن استخدام مسافة كانبيرا بدلاً من المسافة الإقليدية في خوارزميات KNN و DBSCAN يرفع من دقة تصنيف الحالات المرضية المعقدة بنسب تصل إلى 15%، لا سيما في مجموعات البيانات التي تتسم بقلة تكرار بعض الاضطرابات النادرة والتفاوت الكبير في حدة الاستجابات السريرية بين المرضى.

11. تحسين الأداء الحسابي للمعالجة الضخمة (Optimization for Big Data)

11.1 تسريع الحسابات باستخدام مكتبة Numba ومترجم JIT

عند التعامل مع مجموعات البيانات الضخمة (Big Data) التي تضم ملايين المشاهدات في الفضاءات الجينية أو السلوكية، تصبح دوال بايثون القياسية عنق زجاجة حرج يستهلك ساعات طويلة من وقت المعالجة. هنا يأتي دور مكتبة Numba، وهي مترجم في الوقت الفعلي (Just-In-Time Compiler – JIT) يقوم بتحويل كود بايثون الرياضي المكتوب بلغة بايثون مباشرة إلى كود آلة ثنائي فائق السرعة عبر بنية LLVM التحتية.

يمكننا إعادة كتابة دالة كانبيرا المخصصة باستخدام مصمم النظم @njit مع تفعيل الحسابات الرياضية السريعة fastmath=True بالشكل التالي:

from numba import njit

@njit(fastmath=True)
def numba_canberra_distance(a, b):
    total_dist = 0.0
    n = len(a)
    for i in range(n):
        abs_diff = abs(a[i] - b[i])
        abs_sum = abs(a[i]) + abs(b[i])
        if abs_sum != 0.0:
            total_dist += abs_diff / abs_sum
    return total_dist

يتميز كود Numba بأنه يستفيد إلى أقصى حد من مسجلات المعالج (CPU Registers) وذاكرة التخزين المؤقت فائقة السرعة (L1/L2 CPU Cache)، ويتيح تشغيل الحلقات التكرارية الصريحة بسرعة تماثل أو تفوق لغات C++ و Fortran، مما يوفر تسريعاً حاسوبياً يصل إلى 50 ضعفاً مقارنة بدوال NumPy التقليدية عند معالجة الحلقات المجهرية المتكررة.

11.2 المعالجة المتوازية للمصفوفات الضخمة في بايثون

لحساب مصفوفات المسافات الضخمة لملايين العينات، يجب توزيع الأعباء الحسابية بالتوازي عبر كافة أنوية المعالجة المركزية (Multi-core CPUs) المتاحة في النظام، أو نقل العمليات الحسابية بالكامل إلى وحدات المعالجة الرسومية (GPUs). يمكن تحقيق التوازي البرمجي على المعالج المركزي بسهولة باستخدام مكتبة joblib:

from joblib import Parallel, delayed

def compute_row_distances(i, data):
    return [numba_canberra_distance(data[i], data[j]) for j in range(len(data))]

# توزيع الحسابات على كافة الأنوية المتاحة
# parallel_matrix = Parallel(n_jobs=-1)(delayed(compute_row_distances)(i, data_matrix) for i in range(len(data_matrix)))

أما للحوسبة الفائقة على بطاقات الرسوميات، يمكن استبدال مكتبة NumPy بمكتبة CuPy المتوافقة مع معمارية NVIDIA CUDA، حيث يتم تخزين المتجهات في ذاكرة الـ VRAM ومعالجة آلاف الأزواج بالتوازي اللحظي عبر الآلاف من أنوية CUDA، مما يقلص زمن المعالجة للمصفوفات الضخمة من أيام إلى بضع ثوانٍ معدودة.

11.3 التحليل المقارن للكفاءة الزمنية والتعقيد الحسابي (Big O)

يخضع حساب مسافة كانبيرا بين متجهين مفردين بطول $n$ لتعقيد زمني خطي صارم يُعبر عنه بالرمز الرياضي $O(n)$؛ حيث يتطلب كل بعد إجراء عدد ثابت من العمليات الحسابية الأساسية (طرح، جمع، قيمتين مطلقتين، قسمة، وجمع تراكمي). بالتالي، ينمو الوقت المستغرق خطياً وبشكل مباشر مع زيادة عدد السمات أو المتغيرات المدروسة في المتجه.

في المقابل، يخضع حساب مصفوفة المسافات الثنائية الكاملة لمجموعة بيانات تتكون من $m$ من المشاهدات وكل مشاهدة تحتوي على $n$ من الأبعاد لتعقيد زمني تربيعي يتناسب مع عدد العينات وخطي مع عدد الأبعاد، ويُعبر عنه رياضياً بالشكل:

$$O(m^2 \cdot n)$$

توضح هذه الصياغة أن مضاعفة عدد العينات $m$ يؤدي إلى مضاعفة الجهد الحسابي بمقدار 4 أضعاف. لمواجهة هذا التعقيد الحسابي الهائل في مجموعات البيانات المليونية، يلجأ مهندسو البيانات إلى تقنيات تقليل الأبعاد (Dimensionality Reduction) مثل تحليل المكونات الرئيسية (Principal Component Analysis – PCA) أو التضمين العشوائي للجار الموزع وفق توزيع تي (t-SNE) لتقليص $n$ إلى فضاء منخفض الأبعاد قبل البدء في حساب مصفوفة مسافات كانبيرا.

12. الأخطاء الشائعة واستراتيجيات استكشاف الأخطاء وإصلاحها (Troubleshooting)

12.1 معالجة أخطاء تطابق الأشكال والأنواع البرمجية (Shapes & Dtypes)

تعتبر أخطاء عدم تطابق الأبعاد والأنواع من أكثر المشكلات البرمجية إحباطاً للمطورين المبتدئين في بايثون. يظهر الخطأ الشهير ValueError: operands could not be broadcast together with shapes أو ValueError: Vectors must have the same length عندما يتم تمرير متجهين غير متساويين في الطول، أو عند تمرير مصفوفة ثنائية الأبعاد بدلاً من متجه أحادي البعد إلى دوال المسافات الفردية.

لتفادي ومعالجة هذا الخطأ بصورة منهجية، يجب تطبيق عمليات تسطيح المصفوفات والتأكد من تطابق الأطوال صراحة قبل استدعاء الدالة:

# التأكد من التسطيح للأبعاد وتطابق الطول
v1 = np.asarray(array1).ravel()
v2 = np.asarray(array2).ravel()
if v1.shape[0] != v2.shape[0]:
    raise ValueError(f"خطأ في الأبعاد: المتجه الأول بطول {v1.shape[0]} بينما المتجه الثاني بطول {v2.shape[0]}")

بالإضافة إلى ذلك، يجب الحذر الشديد من أخطاء الفائض الحسابي للأعداد الصحيحة (Integer Overflow)؛ فعند استخدام أنواع بيانية ذات سعة صغيرة مثل np.int8 أو np.uint8 (الشائعة في معالجة الصور)، فإن جمع قيمتين مثل 200 + 100 سيؤدي إلى الالتفاف الفائض وإعطاء نتائج خاطئة تماماً في المقامات، لذا يجب دائماً تحويل البيانات بصورة صريحة إلى np.float64 قبل البدء في الحساب.

12.2 تجنب الأخطاء المفاهيمية في تفسير مقياس كانبيرا

يقع بعض الباحثين في خلط مفاهيمي شائع بين مسافة كانبيرا ومسافة مانهاتن الموزونة؛ حيث يُفترض خطأً أن كانبيرا مجرد مانهاتن بأوزان ثابتة مسبقة. والواقع أن أوزان كانبيرا ديناميكية ذاتية التوليد تتغير محلياً لكل زوج من القيم بناءً على مقاديرها المطلقة ($|a_i| + |b_i|$)، وليست أوزاناً ثابتة على مستوى البعد ككل.

الخطأ المفاهيمي الثاني هو تجاهل تأثير عدد الأبعاد $n$ عند مقارنة المسافات بين دراسات مختلفة؛ فالمسافة الإجمالية الناتجة هي مجموع تراكمي يزداد تلقائياً مع زيادة عدد المتغيرات في المتجه. لمقارنة التباعد بين دراسة تستخدم 10 بنود ودراسة تستخدم 50 بنداً، يجب دائماً توحيد المسافة وتقييسها بقسمتها على $n$ للحصول على “المسافة المتوسطة لكل بعد” المحصورة بين 0 و 1:

$$\bar{D}_{Canberra} = \frac{1}{n} \sum_{i=1}^{n} \frac{|a_i – b_i|}{|a_i| + |b_i|}$$

يضمن هذا التقييس المعياري المقارنة العادلة والمنطقية بين النماذج والدراسات الإحصائية المختلفة بصرف النظر عن حجم فضاء السمات المدروس.

12.3 أفضل الممارسات البرمجية وقائمة التحقق النهائية للإنتاج

لضمان أعلى معايير الجودة والاستقرار البرمجي عند تضمين مسافة كانبيرا في خطوط أنابيب الإنتاج البرمجي لأنظمة الذكاء الاصطناعي، يجب الالتزام بقواعد هندسة البرمجيات المعيارية، وعلى رأسها كتابة اختبارات الوحدة المؤتمتة (Unit Tests) باستخدام إطار العمل pytest للتحقق من استقرار الدوال تحت كافة الظروف الحدية.

فيما يلي كود اختبارات وحدة متكامل يختبر الدالة المخصصة في حالات التطابق، والمتجهات الصفرية، والقيم السالبة، ومطابقة مخرجات SciPy:

import pytest
import numpy as np
from scipy.spatial import distance

def test_canberra_cases():
    # اختبار التطابق التام (يجب أن يعطي صفراً)
    v = np.array([1.0, 2.0, 3.0])
    assert np.isclose(custom_canberra_distance(v, v), 0.0)

    # اختبار الأصفار المشتركة (0/0 = 0)
    v_zero = np.array([0.0, 0.0, 0.0])
    assert np.isclose(custom_canberra_distance(v_zero, v_zero), 0.0)

    # اختبار التطابق مع دالة SciPy المعيارية
    v1 = np.array([2.0, 4.0, 4.0, 6.0])
    v2 = np.array([5.0, 5.0, 7.0, 8.0])
    assert np.isclose(custom_canberra_distance(v1, v2), distance.canberra(v1, v2))

قائمة التحقق النهائية للإنتاج (Production Checklist):

• التحقق من تطابق الأبعاد وتسطيح المصفوفات لتكون أحادية البعد ($1D\text{ arrays}$).
• التحويل الصريح لكافة البيانات الرقمية إلى النوع العشري np.float64 لتجنب الفائض العددي.
• فحص واستبعاد أو تعويض القيم المفقودة (NaNs) قبل إجراء العمليات الحسابية.
• التأكد من التوثيق الشامل للشفرات البرمجية والالتزام بدليل الأسلوب القياسي للبايثون (PEP 8).
• تقييس المسافة النهائية بقسمتها على $n$ في حال كانت النتائج مخصصة للمقارنة عبر مساحات سمات متفاوتة الحجم.

خاتمة

تُمثل مسافة كانبيرا (Canberra Distance) أداة رياضية وهندسية استثنائية في ترسانة أدوات عالم البيانات والمحلل الإحصائي؛ إذ تجمع ببراعة فريدة بين بساطة مسافة مانهاتن وقوة التقييس النسبي المستقل لكل بعد. بفضل قدرتها الفائقة على موازنة السمات ذات المقاييس المتفاوتة وحساسيتها الاستثنائية للتغيرات الدقيقة بالقرب من نقطة الأصل، أثبتت هذه المسافة تفوقها في طيف واسع من التطبيقات المعقدة؛ بدءاً من القياس النفسي وتحليل السلوك البشري، ووصولاً إلى التعرف على الأنماط والتصنيف الإحصائي عالي الأبعاد.

من خلال هذا الدليل الشامل، استعرضنا الرحلة المتكاملة لمسافة كانبيرا؛ بدءاً من جذورها النظرية التي أرساها لانس وويليامز عام 1966، مروراً بالحل اليدوي المفصل للمثال المعياري، ووصولاً إلى تطبيقها عالي الأداء في بايثون عبر مكتبات SciPy و NumPy و Numba. إن استيعاب هذه الأسس الرياضية وتطبيق أفضل الممارسات البرمجية المصاحبة لها يضمن للمطورين والباحثين بناء نماذج ذكاء اصطناعي وتحليلات إحصائية تتسم بأعلى درجات الدقة، والكفاءة، والموثوقية العلمية.

References

• Lance, G. N., & Williams, W. T. (1966). Computer programs for hierarchical polythetic classification (“similarity analyses”). The Computer Journal, 9(1), 60–64. https://doi.org/10.1093/comjnl/9.1.60
• Lance, G. N., & Williams, W. T. (1967). Mixed-data classificatory programs I – Agglomerative systems. The Australian Computer Journal, 1(1), 15–20.
• Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., … & SciPy 1.0 Contributors. (2020). SciPy 1.0: fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261–272. https://doi.org/10.1038/s41592-019-0686-2
• Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., … & Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357–362. https://doi.org/10.1038/s41586-020-2649-2
• Deza, M. M., & Deza, E. (2016). Encyclopedia of Distances (4th ed.). Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-52844-0
• Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., … & Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.
• Lam, S. K., Pitrou, A., & Seibert, S. (2015). Numba: A LLVM-based Python JIT compiler. In Proceedings of the Second Workshop on the LLVM Compiler Infrastructure in HPC (pp. 1–6). https://doi.org/10.1145/2833157.2833162
• Kroenke, K., Spitzer, R. L., & Williams, J. B. (2001). The PHQ-9: validity of a brief depression severity measure. Journal of General Internal Medicine, 16(9), 606–613. https://doi.org/10.1046/j.1525-1497.2001.016009606.x
• Spitzer, R. L., Kroenke, K., Williams, J. B., & Löwe, B. (2006). A brief measure for assessing generalized anxiety disorder: the GAD-7. Archives of Internal Medicine, 166(10), 1092–1097. https://doi.org/10.1001/archinte.166.10.1092