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

欧氏距离是指在几何空间中两个点之间的距离，可以使用下面的 Python 代码计算两个点之间的欧氏距离：

import math

# 定义两个点的坐标
x1, y1 = 2, 4
x2, y2 = 5, 8

# 计算欧氏距离
distance = math.sqrt((x1 - x2)**2 + (y1 - y2)**2)

print(distance)

这段代码输出的结果为 `5.0`，即两点之间的欧氏距离。

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)