计算Python Numpy向量之间的欧氏距离,已知vec1和vec2是两个Numpy向量,欧氏距离计算如下:
import numpy
dist = numpy.sqrt(numpy.sum(numpy.square(vec1 – vec2)))
或者直接:
dist = numpy.linalg.norm(vec1 – vec2)
补充知识:Python中计算两个数据点之间的欧式距离,一个点到数据集中其他点的距离之和
如下所示:
计算数两个数据点之间的欧式距离
import numpy as np
def ed(m, n):
return np.sqrt(np.sum((m – n) ** 2))
i = np.array([1, 1])
j = np.array([3, 3])
distance = ed(i, j)
print(distance)
在jupyter 中运输代码输出结果如下:
计算一个点到数据集中其他点的距离之和
from scipy import *
import pylab as pl
all_points = rand(500, 2)
pl.plot(all_points[:, 0], all_points[:, 1], ‘b.’)
pl.show()
在jupyter 中运输代码输出结果如下: