python算欧氏距离

欧氏距离是指在m维空间中两个点之间的距离。在二维平面中，两点之间的欧氏距离为：sqrt((x2-x1)^2 + (y2-y1)^2)，其中x1、y1表示第一个点的坐标，x2、y2表示第二个点的坐标。在Python中，可以使用以下代码计算两个点之间的欧氏距离：

import math

def euclidean_distance(point1, point2):
    distance = 0.0
    for i in range(len(point1)):
        distance += (point1[i] - point2[i]) ** 2
    return math.sqrt(distance)

point1 = [1, 2]
point2 = [4, 5]
distance = euclidean_distance(point1, point2)
print(distance)

其中，point1和point2表示两个点的坐标，可以使用列表或元组进行表示。euclidean_distance函数用于计算两个点之间的欧氏距离，返回一个浮点数。上述代码输出结果为：4.242640687119285。

相关问题

python计算欧氏距离

欧氏距离是指在n维空间中两个点之间的距离，计算公式为：

$$d(x,y)=\sqrt{\sum_{i=1}^{n}(x_i-y_i)^2}$$

其中，x和y是n维向量，$x_i$和$y_i$分别表示向量x和y中的第i个元素。

以下是Python代码实现欧氏距离的计算：

import math

def euclidean_distance(x, y):
    # 计算欧氏距离
    distance = 0.0
    for i in range(len(x)):
        distance += math.pow(x[i] - y[i], 2)
    return math.sqrt(distance)

调用这个函数可以计算两个向量之间的欧氏距离，例如：

x = [1, 2, 3]
y = [4, 5, 6]
distance = euclidean_distance(x, y)
print(distance)  # 输出：5.196152422706632

opencv python的欧氏距离

在OpenCV Python中，欧氏距离可以通过cv2.norm函数来计算。欧氏距离是用于计算两个向量之间的距离的一种方法，它是两个向量之间的欧几里得距离。

在OpenCV Python中，cv2.norm函数的语法如下：

dst = cv2.norm(src1, src2, normType)

其中，src1和src2是要计算距离的两个向量，normType是指定距离类型的参数。在计算欧氏距离时，normType应该设置为cv2.NORM_L2。

下面是一个示例代码，用于计算两个向量之间的欧氏距离：

import cv2
import numpy as np

# 两个向量
vec1 = np.array([1, 2, 3])
vec2 = np.array([4, 5, 6])

# 计算欧氏距离
dist = cv2.norm(vec1, vec2, cv2.NORM_L2)

print("欧氏距离为：", dist)