Python欧式距离代码

### 回答1：
可以使用以下代码计算两个向量之间的欧式距离：

import numpy as np

def euclidean_distance(x, y):
    return np.sqrt(np.sum((x - y) ** 2))

# 示例
x = np.array([1, 2, 3])
y = np.array([4, 5, 6])
print(euclidean_distance(x, y))  # 输出：5.196152422706632

这段代码使用了 NumPy 库来进行向量运算，计算出两个向量之间的欧式距离。

### 回答2：
欧式距离是一种常用的距离度量方式，用于计算向量空间中两个点之间的距离。在Python中，可以通过以下代码来计算欧式距离：

import math

def euclidean_distance(p1, p2):
    # 确保传入的两个点具有相同的维数
    assert len(p1) == len(p2), "维数不匹配"

    # 初始化距离为0
    distance = 0

    # 逐个计算每个维度上的差值的平方，并累加到距离中
    for i in range(len(p1)):
        distance += (p1[i] - p2[i]) ** 2

    # 对距离进行开方，得到欧氏距离
    distance = math.sqrt(distance)

    return distance

# 测试代码
point1 = [1, 2, 3]
point2 = [4, 5, 6]
distance = euclidean_distance(point1, point2)
print("欧氏距离为:", distance)

以上代码定义了一个`euclidean_distance`函数，接受两个点作为参数。在函数内部，首先进行维数的匹配检查，然后依次计算每个维度上的差值的平方，并累加到距离变量中。最后，对距离进行开方操作，得到欧氏距离，并返回该距离。

在测试代码中，我们创建了两个三维点`[1, 2, 3]`和`[4, 5, 6]`，调用`euclidean_distance`函数计算它们之间的欧氏距离，并将结果打印出来。