3根K线A有两个特征方向和长度如下 , 另外3根K线B, 用python实现计算他们的向量近似度，长度有意义，不用归一化。 (x11，x12） (x21，x22） (x31，x32） K线 B (y11，y12） (y21，y22） (y31，y32）

可以使用numpy库来计算向量的近似度，具体实现步骤如下：

1. 将每组K线数据转换为向量，向量的长度为两点之间的距离，即：

vector_A_1 = [x12 - x11, x22 - x21]
vector_A_2 = [x22 - x21, x32 - x31]
vector_A_3 = [x32 - x31, x22 - x21]

vector_B_1 = [y12 - y11, y22 - y21]
vector_B_2 = [y22 - y21, y32 - y31]
vector_B_3 = [y32 - y31, y22 - y21]

2. 计算每组向量的夹角余弦值，即：

cosine_similarity_1 = np.dot(vector_A_1, vector_B_1) / (np.linalg.norm(vector_A_1) * np.linalg.norm(vector_B_1))
cosine_similarity_2 = np.dot(vector_A_2, vector_B_2) / (np.linalg.norm(vector_A_2) * np.linalg.norm(vector_B_2))
cosine_similarity_3 = np.dot(vector_A_3, vector_B_3) / (np.linalg.norm(vector_A_3) * np.linalg.norm(vector_B_3))

3. 计算向量的近似度，可以取每个夹角余弦值的平均值，即：

vector_similarity = (cosine_similarity_1 + cosine_similarity_2 + cosine_similarity_3) / 3

这样就可以得到三组K线向量的近似度了。