Python 计算距离

Python可以通过多种方式计算距离，比如欧氏距离，曼哈顿距离等。下面将对几种比较常用的距离计算方法进行介绍，供大家参考。

欧氏距离

欧氏距离是计算二维, 三维等空间距离的基本方法，公式如下：

$$
d(x,y)=\sqrt{\sum_{i=1}^{n}(x_i-y_i)^2}
$$

其中，$x$和$y$是两个向量，$n$表示向量的维数。

在Python中，可以使用numpy库来计算欧氏距离。下面是一个示例代码：

import numpy as np

x = np.array([1, 2, 3])
y = np.array([4, 5, 6])

dist = np.linalg.norm(x-y)
print(dist)

运行结果为：

5.19615242271

曼哈顿距离是计算城市网格中两点之间的距离的方法，即两点在距离方向上的距离之和，公式如下：

$$
d(x,y)=\sum_{i=1}^{n}|x_i-y_i|
$$

同样的，我们可以使用numpy库来计算曼哈顿距离。下面是一个示例代码：

import numpy as np

x = np.array([1, 2, 3])
y = np.array([4, 5, 6])

dist = np.sum(np.abs(x-y))
print(dist)

运行结果为：

除了欧氏距离和曼哈顿距离，还有其他的距离计算方法，比如闵可夫斯基距离、切比雪夫距离等，大家可以根据自己的需要来选择合适的方法。

Tags: Python