python计算欧氏距离
时间: 2023-10-25 09:26:05 浏览: 35
欧氏距离是指在几何空间中两个点之间的距离,可以使用下面的 Python 代码计算两个点之间的欧氏距离:
```python
import math
# 定义两个点的坐标
x1, y1 = 2, 4
x2, y2 = 5, 8
# 计算欧氏距离
distance = math.sqrt((x1 - x2)**2 + (y1 - y2)**2)
print(distance)
```
这段代码输出的结果为 `5.0`,即两点之间的欧氏距离。
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:
```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
```
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)
```