用python计算两点之间的欧氏距离
时间: 2024-09-10 16:09:46 浏览: 55
计算Python Numpy向量之间的欧氏距离实例
5星 · 资源好评率100%
欧氏距离是指在欧几里得空间中,两点之间直线距离的一种度量方式。在二维空间中,两点之间的欧氏距离可以通过勾股定理来计算。具体公式为:距离 = √((x2 - x1)² + (y2 - y1)² + (z2 - z1)²)。
在Python中,可以通过定义一个函数来计算两点间的欧氏距离。以下是一个简单的示例代码:
```python
import math
def euclidean_distance(point1, point2):
if len(point1) != len(point2):
raise ValueError("点的维度必须相同")
sum_of_squares = sum((p1 - p2) ** 2 for p1, p2 in zip(point1, point2))
return math.sqrt(sum_of_squares)
# 示例使用
pointA = (1, 2, 3)
pointB = (4, 6, 7)
distance = euclidean_distance(pointA, pointB)
print("两点之间的欧氏距离是:", distance)
```
这段代码首先导入了math模块以便使用sqrt函数计算平方根。接着定义了一个名为`euclidean_distance`的函数,该函数接受两个点作为参数(每个点是一个数字的元组或列表),并返回它们之间的欧氏距离。如果两个点的维度不同,函数会抛出一个ValueError异常。在示例使用中,我们定义了两个三维空间中的点`pointA`和`pointB`,然后调用函数计算它们之间的距离,并将结果打印出来。
阅读全文