計算Python Numpy向量之間的歐氏距離，已知vec1和vec2是兩個Numpy向量，歐氏距離計算如下：

import numpydist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2)))

或者直接：

dist = numpy.linalg.norm(vec1 - vec2)

補(bǔ)充知識：Python中計算兩個數(shù)據(jù)點之間的歐式距離，一個點到數(shù)據(jù)集中其他點的距離之和

如下所示：

計算數(shù)兩個數(shù)據(jù)點之間的歐式距離

import numpy as npdef ed(m, n): return np.sqrt(np.sum((m - n) ** 2))i = np.array([1, 1])j = np.array([3, 3])distance = ed(i, j)print(distance)

在jupyter 中運(yùn)輸代碼輸出結(jié)果如下：

計算一個點到數(shù)據(jù)集中其他點的距離之和

from scipy import *import pylab as pl all_points = rand(500, 2)pl.plot(all_points[:, 0], all_points[:, 1], ’b.’)pl.show()

在jupyter 中運(yùn)輸代碼輸出結(jié)果如下：

from scipy import *import pylab as pl all_points = rand(500, 2)pl.plot(all_points[:, 0], all_points[:, 1], ’b.’)pl.show()

定義函數(shù)計算距離

def cost(c, all_points): #指定點，all_points:為集合類的所有點return sum(sum((c - all_points) ** 2, axis=1) ** 0.5)

以上這篇計算Python Numpy向量之間的歐氏距離實例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。