欧几里得距离python

欧几里得距离可以用以下代码实现：

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)

其中，point1和point2是两个n维向量，函数返回它们之间的欧几里得距离。

相关问题

点到点的欧几里得距离 python

点到点的欧几里得距离是指在二维或多维空间中，计算两个点之间的直线距离。在Python中，可以使用以下方法来计算点到点的欧几里得距离：

import math

def euclidean_distance(point1, point2):
    distance = math.sqrt(sum([(a - b) ** 2 for a, b in zip(point1, point2)]))
    return distance

# 示例
point1 = (1, 2)
point2 = (4, 6)
distance = euclidean_distance(point1, point2)
print(distance)

上述代码中，`euclidean_distance`函数接受两个点的坐标作为参数，使用欧几里得距离公式计算两点之间的距离，并返回结果。在示例中，点1的坐标为(1, 2)，点2的坐标为(4, 6)，计算得到的欧几里得距离为5.0。

使用欧几里得距离计算两点间距离python

在Python中，我们可以使用内置的数学库`math`或者科学计算库`numpy`来计算两点之间的欧几里得距离。以下是使用`math`库的简单例子：

import math

def euclidean_distance(point1, point2):
    # 点通常表示为(x, y)坐标对
    x1, y1 = point1
    x2, y2 = point2
    return math.sqrt((x2 - x1)**2 + (y2 - y1)**2)

# 示例
point_a = (0, 0)
point_b = (3, 4)
distance = euclidean_distance(point_a, point_b)
print(distance)

如果你需要处理大规模的数据并希望有更高的性能，可以使用`numpy`库：

import numpy as np

def euclidean_distance_numpy(point1, point2):
    return np.linalg.norm(point2 - point1)

# 示例同上
distance = euclidean_distance_numpy(np.array(point_a), np.array(point_b))