python欧氏距离计算公式
时间: 2024-01-20 10:16:50 浏览: 26
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:
```python
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:
```python
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
```
相关问题
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:
```python
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:
```python
x = [1, 2, 3]
y = [4, 5, 6]
distance = euclidean_distance(x, y)
print(distance) # 输出:5.196152422706632
```
python欧氏距离是什么
欧氏距离是一种常用的距离度量方法,用于衡量两个向量之间的相似性或差异性。在Python中,可以使用以下公式计算欧氏距离:
d = sqrt((x1 - y1)^2 + (x2 - y2)^2 + ... + (xn - yn)^2)
其中,x1, x2, ..., xn 和 y1, y2, ..., yn 是两个向量的对应元素。
欧氏距离的计算步骤如下:
1. 确定两个向量的维度(元素个数)。
2. 对应位置上的元素相减。
3. 将差值平方。
4. 对所有平方差值求和。
5. 对和进行开方,即可得到欧氏距离。