Python--欧式距离

最新推荐文章于 2023-09-01 21:24:59 发布

转载最新推荐文章于 2023-09-01 21:24:59 发布 · 1.8k 阅读

6 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/gegemu/p/9968014.html

文章标签：

#python

本文详细介绍了欧氏距离的概念及其在不同维度空间中的计算公式，并提供了两种Python实现方式，包括公式直接求解和使用scipy库进行计算。

参考链接：https://www.cnblogs.com/denny402/p/7027954.html

欧氏距离(Euclidean Distance)
欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。
(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：

(2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：

(3)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离：

(4)也可以用表示成向量运算的形式：

python中的实现：

import numpy as np
x=np.random.random(10)
y=np.random.random(10)

#方法一：根据公式求解
d1=np.sqrt(np.sum(np.square(x-y)))

#方法二：根据scipy库求解
from scipy.spatial.distance import pdist
X=np.vstack([x,y])           #将x,y两个一维数组合并成一个2D数组 ；[[x1,x2,x3...],[y1,y2,y3...]]
d2=pdist(X)                  #d2=np.sqrt(（x1-y1)