距离度量:使用Python编写一个能计算样本间欧式距离与曼哈顿距离的方法。

在Python中，我们可以创建两个函数分别用于计算欧式距离和曼哈顿距离。这两种都是常用的点之间空间距离测量方式。下面是简单的实现：

import numpy as np

# 计算欧式距离 (Euclidean Distance)
def euclidean_distance(sample1, sample2):
    return np.sqrt(np.sum((sample1 - sample2) ** 2))

# 计算曼哈顿距离 (Manhattan Distance 或 City Block Distance)
def manhattan_distance(sample1, sample2):
    return np.abs(sample1 - sample2).sum()

# 示例：
# 假设我们有两组二维样本
sample1 = np.array([1, 2])
sample2 = np.array([4, 5])

# 计算欧式距离
euclid_dist = euclidean_distance(sample1, sample2)

# 计算曼哈顿距离
manhat_dist = manhattan_distance(sample1, sample2)

print("欧氏距离:", euclid_dist)
print("曼哈顿距离:", manhat_dist)