Python计算各距离

欧式距离、曼哈顿距离、余弦相似度(python代码) 欧式距离/欧几里得度量(Euclidean Distance) 欧氏距离就是两点之间最短的直线距离。 (1)二维空间里A、B两点间的欧式距离: SAB=(xA−xB)2+(yA−yB)2 S_{AB}= \sqrt{\def\bar#1{#1^2} \bar{(x_A-x_B)}+\def\bar#1{#1^2} \bar{(y_A-y_B)}} SAB​=(xA​−xB​)2+(yA​−yB​)2​ (2)推广到nnn维空间内的两点P、QP、QP、Q: P=(x1P,x2P,...,xnP),Q=(x1Q 阅读详情

###刘声龙--202001170115--湖南信息学院
from scipy.spatial import distance
import numpy as np
import math
x1 = np.array([3,4,2])
x2 = np.array([5,6,1])
x3 = np.array([2,2,4])
x4 = np.array([6,4,5])
a=[x1,x2,x3,x4]
####欧氏距离
for i in range(3):
    for j in range(i+1,4):
        a1 = np.sqrt(np.square(a[i]-a[j]))
        b=a1.tolist()
        #print(b)
        print('x{}和x{}欧氏距离测试结果是:'.format(i+1,j+1),end='')
        print(round((int(b[0]*b[0]+b[1]*b[1]+b[2]*b[2]))**(1/2),2))
        #print('欧氏距离测试结果是:' + str(dist1))(int(b[0]*b[0]+b[1]*b[1]+b[2]*b[2]))**(1/2)
print()
#####曼哈顿距离
for i in range(3):
    for j in range(i+1,4):
        m1 = np.sum(np.abs(a[i]-a[j]))
        #print('曼哈顿距离测试结果是:' + str(m1))
        print('x{}和x{}曼哈顿距离测试结果是:'.format(i+1,j+1),end='')
        print(str(m1))
print()      
####切式距离
for i in range(3):
    for j in range(i+1,4):
        n1 = max(np.abs(a[i]-a[j]))
        print('x{}和x{}切式距离测试结果是:'.format(i+1,j+1),end='')
        print(str(n1))
print() 
####明式距离(p=3)
print("   当p=3时")
for i in range(3):
    for j in range(i+1,4):
        o1 = (np.sum(np.abs((a[i]-a[j]))**3))
        #print(o1)
        o2=pow(o1,1.0/3)
        print('x{}和x{}明式距离测试结果是:'.format(i+1,j+1),end='')
        print("%.2f"%o2)
print() 
####马氏距离
def get_mahalanobis(x, i, j):
    xT = x.T  # 求转置
    D = np.cov(xT)  # 求协方差矩阵
    invD = np.linalg.inv(D)  # 协方差逆矩阵
    assert 0 <= i < x.shape[0], "点 1 索引超出样本范围。"
    assert -1 <= j < x.shape[0], "点 2 索引超出样本范围。"
    x_A = x[i]
    x_B = x.mean(axis=0) if j == -1 else x[j]
    tp = x_A - x_B
    return np.sqrt(dot(dot(tp, invD), tp.T))
if __name__ == '__main__':
    x = np.array([[3,4,2], [5,6,1], [2,2,4], [6,4,5]])
    for i in range(3):
        for j in range(i+1,4):
            print('x{}和x{}马氏距离测试结果是:'.format(i+1,j+1),end='')
            print("%.2f"%get_mahalanobis(x, i, j))
print() 
####Canberra距离
for i in range(3):
    for j in range(i+1,4):
        p1 = np.sum((np.abs(a[i]-a[j]))/(np.abs(a[i])+np.abs(a[j])))
        print('x{}和x{}Canberra距离测试结果是:'.format(i+1,j+1),end='')
        print("%.2f"%p1)
print() 
####角度相似系数
for i in range(3):
    for j in range(i+1,4):
        t1=np.dot(a[i],a[j])/(np.linalg.norm(a[i])*np.linalg.norm(a[j]))
        print('x{}和x{}角度相似系数测试结果是:'.format(i+1,j+1),end='')
        print("%.2f"%t1)

如何运用Python计算地图上两点的实际距离 作者:xxw9485 时间:2017/6/20 参考资料:参考资料1、参考资料2 之前遇到过这样的问题:手里有一批患者的具体居住地点以及对应的经纬度,我想分析下患者的具体分布情况,不同患者之间的距离关系,这时就需要根据某两点的经纬度来求该两点的实际距离了。下面就是计算公式和代码: 公式 球面上任意两点的距离计算公式可以参考维基百科上的下述文章。 Great-circle... 阅读详情

相关推荐

python计算两个坐标点之间的距离

背景:有几个门店和大厦,看看这几个门店和大厦旁边有没有快递柜 数据:门店和大厦只有地址数据,快递柜系统有地址数据和经纬度数据 类似的需求应该比较多,这里的核心点是关于两个坐标点之间距离的计算,之前没用过这个东西,刚好今天有个这样的需求,记录下。 import requests import psycopg2 import pandas as pd from math import radians, cos, sin, asin, sqrt #返回地址的坐标 def get_address_co

FlizhN的博客 1万+

python 求点和点之间的距离;向量之间的余弦距离、欧式距离;点到向量的距离

据说五一期间发文会有五一创作勋章,正好最近需要这份总结。 本文打算不讲述原理,数学原理采用链接的方式提供,主要介绍实现方法和其用到的函数。 目录1. 点和点之间的距离方法一:利用数学公式方法二:向量的内积方法三:范数函数2. 向量之间的余弦距离3. 向量之间的欧式距离方法一:数学原理方法二:其他4. 点到向量的距离方法一:利用向量计算点到直线的距离 以下所有的计算是基于笛卡尔坐标系,点的位置信息用array进行存储。 1. 点和点之间的距离 方法一:利用数学公式 import numpy as np im

weixin_42442319的博客 4520

Python中的距离计算方法

而距离计算有多种方法,本篇文章将对其中几种距离计算方法进行详细介绍,并提供相应的代码实现。以上四种方法都是常用的距离计算方法,在实际应用中需要结合具体情况选择合适的方法。切比雪夫距离是指在n维空间中两个点坐标数值差的绝对值的最大值。曼哈顿距离又称为城市街区距离,它是两点之间沿着网格线走的距离。其中,dot(x, y)是x和y的内积,norm(x)和norm(y)分别是向量x和向量y的范数。其中,x和y是两个n维向量,x_i和y_i分别表示向量x和向量y在第i个维度上的值。Python中的距离计算方法。

BUG?不存在的! 1599

python 求各种距离公式(numpy矩阵)

导入必要库 : from scipy.spatial.distance import pdist, squareform 一、距离计算(压缩成一维的) 1、欧式距离 计算数组矩阵 X 样本之间的欧式距离,返回值为 Y 为压缩距离元组或矩阵(以下等同) X = pdist(X, 'euclidean') 2、明氏距离 X = pdist(X, 'minkowski', p) 3、曼哈顿距离 Y = pdist(X, 'cityblock') 4、标准化欧式距离 ...

知识搬运者 9064

【Python】常用距离计算方法

简要介绍常用的距离测量方法,并给出计算公式、python代码、适用条件等

allein_STR的博客 2202

获取车辆VIN等OBD信息

获取车辆如下OBD信息: VIN:Vehicle Identification Number CALID:Calibration Identifications CVN:Calibration verification number 一、SAE J1939协议 通过请求 CALIBRATION INFORMATION (DM19),获取CVN和CALID。 发送请求:18EA00F9 00 D3 00 应答:18EC0000 10 14 00 03 FF 00 D3 00 数据,BYTE1=0x10,表明

jianxuezixuan的博客 1万+

python计算两个坐标的距离

尽管Python的标准库足以处理简单的距离计算,但是在地图服务或地理信息系统等复杂的实际应用中,(GIS)在这种情况下,我们可以依靠更专业的第三方库来获得更准确的结果。可以用多种方法计算两个坐标点之间的距离,最直观的是欧氏距离,也就是两点之间的直线距离。同时,不同的距离计算方法可能适用于不同的场景,因此需要根据具体的应用选择合适的算法。其中,\(\)phi_1, \phi_2\是两点的纬度,\(\)lambda_1, \lambda_2\)是两点的经度,而\/(r\)是地球半径(约6371公里)。

简单的编程博客 4836

【数电课程设计】---出租车计价器

文章目录1、任务要求2、方案3、收获 1、任务要求 2、方案 3、收获

LZY 1万+

用Python如何计算两点间距离

用Python如何计算两点间距离? 第一步,我们先来看一下两点间的距离公式。 两点间距离公式: ???这是个啥? 是不是方法一还能看懂,方法二却一脸懵逼? 请仔细看注释, 也就是说,根号2还可以写成2的0.5(也就是1/2)次方 这个是高中学过的知识,不知道你有没有想起来,哈哈...... 第二步,我们需要学习...

andyleo0111的博客 5万+

Google 人机验证(reCaptcha)无法显示解决方案

Google 人机验证无法显示解决方案第一步 安装插件Chrome/Edge 电脑版Firefox 电脑版第二步 配置插件原理参考文章 前言:为了防止机器人攻击,国外很多网站都使用了 Google reCaptcha 验证码。reCaptcha 对于国外用户非常的友好,但是… 对于国内用户就不怎么友好了。究其原因,则是国内网络全线屏蔽 Google 服务,导致 reCaptcha 完全加载不出来。这样,国内玩家就无法在对应的网站进行下一步操作了。本方案可以解决 reCaptcha 无法加载的问题。 适用

qq_40713201的博客 8万+

Dify 从入门到熟悉100 天的学习大纲

理解 Dify 的核心概念,熟悉操作界面,并能创建简单的 AI 应用。祝你在这 100 天的旅程中学有所成,成为一名优秀的 AI 应用开发者!掌握生产环境部署、监控、调优,并关注 Dify 生态和前沿动态。探索多模态、Agent、API 集成、性能优化等高级主题。掌握工作流编排、高级提示词技巧、知识库优化等核心功能。

IT深耕十余载,大道之简 1740

Python Numpy计算各类距离的方法

用Python Numpy计算各类距离真的是简洁迅速的方法。 下面对我在使用过程中能解答我疑惑的几篇博文加以总结 一.首先要明白np.linalg.norm到底执行了什么样的计算 np.linalg.norm linalg=linear+algebra norm则表示范数,首先需要注意的是范数是对向量(或者矩阵)的度量,是一个标量(scalar): 首先help(np.linal...

kd的博客 2万+

手把手教你用Multisim 14.2仿真一个4.4V的LDO电路(附完整仿真文件)

本文详细介绍了如何使用Multisim 14.2仿真一个4.4V的LDO电路,从环境配置、核心参数解析到电路搭建和仿真调试。通过分压电阻精确计算和瞬态响应测试,帮助读者掌握LDO电路的设计与验证技巧,并附有完整仿真文件供参考。

weixin_28738397的博客 275

常见距离计算的Python实现

常见的距离有曼哈顿距离、欧式距离、切比雪夫距离、闵可夫斯基距离、汉明距离、余弦距离等,用Python实现计算的方式有多种,可以直接构造公式计算,也可以利用内置线性代数函数计算,还可以利用scipy库计算。

归去来兮的博客 4215

内存越界引发线程函数调用堆栈回溯异常以及INT 3软中断实战分析案例分享

通过一个项目实战案例,详细讲解内存越界引发线程函数调用堆栈回溯异常以及INT 3软中断实战问题。

dvlinker的技术专栏 6万+

14、PostgreSQL日志文件、系统统计与查询优化全解析

本文全面解析了PostgreSQL数据库中的系统统计、日志文件配置与查询优化技巧。详细介绍了如何利用pg_stat_statements模块进行性能监控,配置日志记录以发现潜在问题,并深入探讨了查询优化器的工作原理和优化策略。通过实际案例分析,展示了如何综合应用这些技术提升数据库性能。适合希望提升PostgreSQL性能与稳定性的数据库管理员和开发人员阅读。

efc123456的博客 94

python公式计算两点距离并输出_Python Numpy计算各类距离的方法

详细:1.闵可夫斯基距离(Minkowski Distance)2.欧氏距离(Euclidean Distance)3.曼哈顿距离(Manhattan Distance)4.切比雪夫距离(Chebyshev Distance)5.夹角余弦(Cosine)6.汉明距离(Hamming distance)7.杰卡德相似系数(Jaccard similarity coefficient)8.贝叶斯公式1...

weixin_39818521的博客 6132

6.10华为OD机试真题 新系统 - 查找温度记录统计信息 (Java/Py/C/C++/Js/Go)

6.10华为OD机试真题 新系统 - 查找温度记录统计信息 (Java/Py/C/C++/Js/Go)

算法大师! 439

Python计算点到直线距离的两种方法

import numpy as np def get_distance_from_point_to_line(point, line_point1, line_point2): A = line_point2[1] - line_point1[1] B = line_point1[0] - line_point2[0] C = (line_point1[1] - line_point2[1]) * line_point1[0] + \ (line_point2[0]

修炼之路 2万+

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

各种距离的计算与python代码实现

各种距离的计算与python代码实现

qq_52785898的博客 3533

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

利用python计算各类距离

Jaccard相似度 1、当两个集合元素个数相同,则直接调包 from numpy import * import scipy.spatial.distance as dist # 导入scipy距离公式 matV = mat([[1,1,0,1,0,1,0,0,1],[0,1,1,0,0,0,1,1,1]]) print ("dist.jaccard:", dist.pdist(matV,'jaccard')) 2、当集合元素个数不同 def correlation(set_a,set_b

光尘的博客 5474

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Python如何计算编辑距离?

算法原理 在计算文本的相似性时,经常会用到编辑距离。编辑距离,又称Levenshtein距离,是指两个字串之间,由一个转成另一个所需的最少编辑操作次数。通常来说,编辑距离越小,两个文本的相似性越大。这里的编辑操作主要包括三种: 插入:将一个字符插入某个字符串; 删除:将字符串中的某个字符删除; 替换:将字符串中的某个字符替换为另外一个字符。 下面通过示例来看一下。 将字符串batyu变为...

python学习者的博客 1万+

python 计算曼哈顿距离

def clip(self, n, min, max): if n &lt; min: n = min if n &gt; max: n = max return n def longlat2tile(self, x1, y1, level): M_P...

shao326的专栏 8507

Python,计算欧氏距离

刚开始学习模式识别这门课程时,后面所学的六种距离,让我们以此来写一个代码。我说利用了Python里面的程序,调用一个库,并把第一个距离所需求的算法带进去,利用for语句循环,来实现代码。 已知四个样本,请用Python编写程序,分别计算4个样本两两之间的欧式距离、曼哈顿距离、切氏距离、明氏距离(p=3)、马氏距离、Canberra距离、角度相似系数。 所写代码: from __future__ import division import numpy as np from scipy.spatia

qq_55524165的博客 3337

【python】计算数学中各种距离

文章目录使用 python计算各种距离前言一、余弦距离二、欧式距离三、哈曼顿距离四、明可夫斯基距离五 切比雪夫距离六 杰卡德距离 使用 python计算各种距离 前言 &amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;nbsp;这里主要是学习使用python计算各个距离,分别如下所示 余弦距离 欧氏距离 曼哈

贾继康的博客 3775

python计算矩阵间的欧式距离

背景:计算一个M*D的二维矩阵与一个N*D的二维矩阵各个行向量之间的距离,不用循环来做。 如果计算两个一维向量P,C的维数相同,则它们的欧氏距离为 化简之后为 我们继而推广,一个一维向量与一个二维矩阵各个行向量的欧氏距离为: 再继续推广到一个二维矩阵M个行向量与另一个矩阵N个行向量的欧式距离形成的一个二维矩阵矩阵为M*N: 最终结果为三个M*N的二维矩阵求和: 1. 第...

热铁皮屋上的猫的博客 1万+
下一篇: NLP作业01:请利用HMM实现词性标注
Zero_Pyt
博客等级 码龄5年 1粉丝 3原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值