明式距离python代码

明式距离（Manhattan distance），也称为曼哈顿距离或街区距离，是两个点在规则的矩形网格中的距离，沿着网格的边缘移动，而不是沿着对角线移动。以下是计算明式距离的Python代码：

def manhattan_distance(p1, p2):
    return abs(p1[0] - p2[0]) + abs(p1[1] - p2[1])

这段代码定义了一个函数 `manhattan_distance`，它接受两个点 `p1` 和 `p2`，并返回它们之间的明式距离。点 `p1` 和 `p2` 被表示为元组，每个元组包含两个整数，分别表示点在网格中的 x 坐标和 y 坐标。

注意：这段代码仅适用于二维平面上的明式距离计算。

相关问题

欧式距离python代码

以下是计算两点欧式距离的Python代码：

import math

def distance(x1, y1, z1, x2, y2, z2):
    d = math.sqrt((x2 - x1) ** 2 + (y2 - y1) ** 2 + (z2 - z1) ** 2)
    return d

x1, y1, z1 = map(float, input().split(","))
x2, y2, z2 = map(float, input().split(","))
d = distance(x1, y1, z1, x2, y2, z2)
print("{:.2f}".format(d))

其中，`distance`函数接收两个点的坐标参数，计算它们之间的欧式距离并返回。`map`函数用于将输入的字符串转换为浮点数。最后，使用`print`函数输出结果，保留两位小数。

马氏距离python代码

马氏距离的Python代码可以如下实现：

import numpy as np
import math

def mashi_distance(x, y):
    x = np.array(x)
    y = np.array(y)
    diff = x - y
    cov = np.cov(diff.T)
    cov_inv = np.linalg.inv(cov)
    res = math.sqrt(np.dot(np.dot(diff, cov_inv), diff.T))
    return res