from scipy.spatial.distance import euclidean

`scipy.spatial.distance.euclidean(u, v)` 函数计算欧氏距离，即两个向量之间的距离。它接受两个参数 `u` 和 `v`，两个参数都是一维数组（向量）。函数返回这两个向量之间的欧氏距离。

示例：

from scipy.spatial.distance import euclidean

u = [1, 2, 3]
v = [4, 5, 6]

distance = euclidean(u, v)
print(distance)  # 输出：5.196152422706632

在这个例子中，我们计算了两个三维向量 `u` 和 `v` 之间的欧氏距离。

相关问题

from scipy.spatial.distance import cdist

`scipy.spatial.distance.cdist` is a function that calculates the distance between each pair of two collections of inputs. It takes in two arrays of shape `(n,m)` and `(k,m)` and returns a distance matrix of shape `(n,k)` where the `(i,j)`-th element is the distance between the `i`-th element of the first array and the `j`-th element of the second array, calculated using a specified distance metric.

For example, if we have two arrays `X` and `Y` of shape `(n,2)` and `(m,2)` respectively, we can calculate the Euclidean distance between each pair of points in `X` and `Y` as follows:

from scipy.spatial.distance import cdist

distances = cdist(X, Y, metric='euclidean')

The resulting `distances` array will have shape `(n,m)` where `distances[i,j]` is the Euclidean distance between the `i`-th point in `X` and the `j`-th point in `Y`.

scipy.spatial.distance 中的cdist

cdist 是 Scipy 中的一个函数，用于计算两个集合中所有点之间的距离。它可以计算不同类型的距离，如欧几里得距离、曼哈顿距离、切比雪夫距离、余弦距离等。

具体来说，cdist 函数的输入参数为两个集合 X 和 Y，分别包含 m 和 n 个点。函数的输出是一个 m × n 的距离矩阵 D，其中第 i 行第 j 列的元素 D(i, j) 表示 X 中第 i 个点和 Y 中第 j 个点之间的距离。

例如，以下代码演示了如何使用 cdist 函数计算两个集合中所有点之间的欧几里得距离：

import numpy as np
from scipy.spatial.distance import cdist

X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
Y = np.array([[2, 2], [2, 3], [3, 2], [3, 3]])

D = cdist(X, Y, 'euclidean')
print(D)

输出结果为：

[[2.82842712 3.60555128 2.23606798 3.        ]
 [2.23606798 3.         1.41421356 2.23606798]
 [2.23606798 3.         1.41421356 2.23606798]
 [2.82842712 3.60555128 2.23606798 3.        ]]

这个矩阵的每一行对应 X 中的一个点，每一列对应 Y 中的一个点，矩阵中的每个元素表示相应两个点之间的欧几里得距离。