曼哈顿距离python

曼哈顿距离也被称为城市街区距离或L1距离，它是两个点在坐标平面上的距离，通过将两个点的x轴和y轴坐标差的绝对值相加得到。在Python中，可以使用以下代码计算曼哈顿距离：

def manhattan_distance(x1, y1, x2, y2):
    return abs(x1 - x2) + abs(y1 - y2)

# 示例
x1, y1 = 1, 2
x2, y2 = 3, 4
distance = manhattan_distance(x1, y1, x2, y2)
print(distance)

这个例子中，我们传入了两个点的坐标(x1, y1)和(x2, y2)，然后调用`manhattan_distance`函数计算曼哈顿距离，并将结果打印出来。在这个例子中，曼哈顿距离为4。

希望这能帮到你！如果还有其他问题，请随时提问。

相关问题

八数码问题曼哈顿距离 Python

八数码问题是一种经典的人工智能问题，它是一个数字拼图游戏，目标是将一个3x3的方格中的数字从初始状态移动到目标状态。其中，曼哈顿距离是一种常用的启发式函数，用于评估当前状态与目标状态之间的距离。在八数码问题中，曼哈顿距离指的是每个数字到其目标位置的横向和纵向距离之和。

在Python中，可以通过定义一个函数来计算曼哈顿距离。例如，假设当前状态为一个3x3的矩阵state，目标状态为一个3x3的矩阵goal，可以使用以下代码计算曼哈顿距离：

def manhattan_distance(state, goal):
    distance = 0
    for i in range(3):
        for j in range(3):
            if state[i][j] != 0:
                x, y = divmod(goal.index(state[i][j]), 3)
                distance += abs(x - i) + abs(y - j)
    return distance

其中，divmod函数用于计算目标状态中某个数字的位置，abs函数用于计算距离的绝对值。通过调用该函数，可以得到当前状态与目标状态之间的曼哈顿距离。

计算两个样本之间的曼哈顿距离python实现

假设两个样本分别为 x 和 y，它们的曼哈顿距离（Manhattan Distance）可以通过以下代码计算：

def manhattan_distance(x, y):
    return sum(abs(a-b) for a, b in zip(x, y))

其中，zip() 函数将 x 和 y 中对应位置的元素打包成元组，abs() 函数计算绝对值，sum() 函数计算所有元素的和。