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 numpy

dist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2)))

或者直接：

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

補充知識：Python中計算兩個數據點之間的歐式距離，一個點到數據集中其他點的距離之和

如下所示：

計算數兩個數據點之間的歐式距離

import numpy as np

def 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 中運輸代碼輸出結果如下：

計算一個點到數據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 中運輸代碼輸出結果如下：

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容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python算两个点的距离公式_计算Python Numpy向量之间的欧氏距离实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。