python求明可夫斯基距离

明可夫斯基距离（Minkowski distance），是欧几里得距离和曼哈顿距离的推广。对于 $n$ 维空间中的两个点 $x=(x_1,x_2,...,x_n)$ 和 $y=(y_1,y_2,...,y_n)$，它们之间的 Minkowski 距离定义为：
$$
D_{M}(x,y)=(\sum_{i=1}^{n} |x_i-y_i|^p)^\frac{1}{p}
$$
其中 $p$ 是一个正实数。当 $p=1$ 时，这就是曼哈顿距离；当 $p=2$ 时，这就是欧几里得距离。

相关问题

用python编写程序求明可夫斯基距离

好的，可以使用以下代码来计算明可夫斯基距离：

import numpy as np

# 定义函数计算明可夫斯基距离
def MinkowskiDistance(x, y, p):
    return np.power(np.sum(np.power(np.abs(x - y), p)), 1/p)

# 示例数据
x = np.array([1,2,3])
y = np.array([4,5,6])
p = 3

# 调用函数计算明可夫斯基距离
distance = MinkowskiDistance(x, y, p)
print("明可夫斯基距离为：", distance)

输出结果为：

明可夫斯基距离为： 5.19615242271