大家好,又见面了,我是你们的朋友全栈君。
计算Python Numpy向量之间的欧氏距离,已知vec1和vec2是两个Numpy向量,欧氏距离计算如下:
import numpy
dist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2)))
或者直接:dist = numpy.linalg.norm(vec1 - vec2)
# 补充知识:Python中计算两个数据点之间的欧式距离,一个点到数据集中其他点的距离之和
# 如下所示:
# 计算数两个数据点之间的欧式距离
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)
# 计算一个点到数据集中其他点的距离之和
from scipy import *
import pylab as pl
all_points = rand(500, 2)
pl.plot(all_points[:, 0], all_points[:, 1], 'b.')
pl.show()
from scipy import *
import pylab as pl
all_points = rand(500, 2)
pl.plot(all_points[:, 0], all_points[:, 1], 'b.')
pl.show()
# 定义函数计算距离
#指定点,all_points:为集合类的所有点
def cost(c, all_points):
return sum(sum((c - all_points) ** 2, axis=1) ** 0.5)
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/150894.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...