使用Python编写一个能计算样本间欧式距离与曼哈顿距离的方法。

下面是Python代码实现：

import numpy as np

def euclidean_distance(x1, x2):
    """
    计算两个样本之间的欧式距离
    :param x1: 样本1，类型为numpy数组
    :param x2: 样本2，类型为numpy数组
    :return: 欧式距离，类型为float
    """
    return np.sqrt(np.sum(np.power(x1 - x2, 2)))

def manhattan_distance(x1, x2):
    """
    计算两个样本之间的曼哈顿距离
    :param x1: 样本1，类型为numpy数组
    :param x2: 样本2，类型为numpy数组
    :return: 曼哈顿距离，类型为float
    """
    return np.sum(np.absolute(x1 - x2))

使用示例：

# 计算欧式距离
x1 = np.array([1, 2, 3])
x2 = np.array([4, 5, 6])
print("欧式距离：", euclidean_distance(x1, x2))

# 计算曼哈顿距离
x1 = np.array([1, 2, 3])
x2 = np.array([4, 5, 6])
print("曼哈顿距离：", manhattan_distance(x1, x2))

输出结果：

欧式距离： 5.196152422706632
曼哈顿距离： 9