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

相关问题

python欧氏距离计算公式

以下是两种Python计算欧氏距离的方法：

1. 使用列表List作为样本点表示的欧氏距离计算方法：

import math

# 计算两点之间的距离
def eucliDist(A,B):
    return math.sqrt(sum([(a - b)**2 for (a,b) in zip(A,B)]))

X = [1,2,3,4]
Y = [0,1,2,3]
print(eucliDist(X,Y)) # 输出：2.8284271247461903

2. 使用np.array作为样本点表示的欧氏距离计算方法：

import numpy as np

# 计算两点之间的距离
def eucliDist(A,B):
    return np.sqrt(sum(np.power((A - B), 2)))

X = np.array([1,2,3,4])
Y = np.array([0,1,2,3])
print(eucliDist(X,Y)) # 输出：2.8284271247461903

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)