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)版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
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...
