欧氏距离python

欧氏距离是最常用和直观的距离度量方法之一，用于衡量两个点在空间中的距离。在Python中，有几种方法可以计算欧氏距离。

方法一：根据公式求解。可以使用NumPy库来计算欧氏距离。首先，我们需要导入NumPy库。然后，将两个向量x和y定义为NumPy数组。接下来，可以使用np.sqrt(np.sum(np.square(x-y)))来计算欧氏距离。

方法二：根据scipy库求解。可以使用SciPy库的pdist函数来计算欧氏距离。首先，我们需要导入SciPy库的pdist函数。然后，将两个向量x和y组合成一个矩阵X。最后，可以使用pdist(X)来计算欧氏距离。

另外，还有其他方法可以计算欧氏距离。例如，可以使用numpy.linalg.norm函数或者自定义函数来计算欧氏距离。

示例代码如下：

import numpy as np

# 方法一：根据公式求解
x = np.random.random(10)
y = np.random.random(10)
d1 = np.sqrt(np.sum(np.square(x-y)))

# 方法二：根据scipy库求解
from scipy.spatial.distance import pdist
X = np.vstack([x,y])
d2 = pdist(X)

# 其他方法：使用numpy.linalg.norm函数
dist = np.linalg.norm(x-y)

# 其他方法：使用自定义函数
def eucliDist(A,B):
    return np.sqrt(np.sum([(a - b)**2 for (a,b) in zip(A,B)]))

X = [1,2,3,4]
Y = [0,1,2,3]
dist_custom = eucliDist(X,Y)

print(d1)
print(d2)
print(dist)
print(dist_custom)

以上是在Python中计算欧氏距离的几种方法。你可以根据具体情况选择使用哪种方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [欧氏距离(Euclidean Distance) Python 实现计算欧氏距离](https://blog.csdn.net/songhao8080/article/details/103669994)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [计算Python Numpy向量之间的欧氏距离实例](https://download.csdn.net/download/weixin_38703123/13711829)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [Python：计算欧氏距离的三种写法](https://blog.csdn.net/DeniuHe/article/details/100838755)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]