计算Python Numpy向量之间的欧氏距离实例
更新时间：2020年05月22日 15:09:21 作者：GarfieldEr007
这篇文章主要介绍了计算Python Numpy向量之间的欧氏距离实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
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：
from scipy import * import pylab as pl all_points = rand(500, 2) pl.plot(all_points[:, 0], all_points[:, 1], 'b.') pl.show()
定义函数计算距离
def cost(c, all_points): #指定点，all_points:为集合类的所有点
return sum(sum((c - all_points) ** 2, axis=1) ** 0.5)
以上这篇计算Python Numpy向量之间的欧氏距离实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
您可能感兴趣的文章:
相关文章
这篇文章主要介绍了python获取word文档的总页数的两种方法,文中给出了两种解决方案,两种方案也都各有优缺点,可能也不一定是完全准确的,需要的朋友可以参考下2024-03-03
这篇文章主要给大家介绍了关于python中urlparse模块介绍与使用的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用python具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧。2017-11-11
一文带你精通Python中*args和**kwargs的应用技巧
如果能在Python中创建适应不同场景的函数,而无需每次都重写它们,会使得操作简洁方便,这就是*args和**kwargs的魔力所在,下面我们就来看看它们的具体一些应用技巧吧2024-03-03
在本篇文章里小编给大家整理的是一篇关于Python爬虫自动化爬取b站实时弹幕实例方法，有兴趣的朋友们可以学习下。2021-01-01
pytest+request框架写接口测试自动化,使用yaml文件配置更方便管理用例中的数据,本文主要介绍了pytest+request框架中yaml配置文件使用,具有一定的参考价值,感兴趣的可以了解一下2024-01-01
这篇文章主要介绍了在Python中编写数据库模块的教程,本文代码基于Python2.x版本,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了python连接池实现，大家参考使用2013-11-11
这篇文章主要介绍了如何使用Python实现完整邮件功能的相关资料,需要的朋友可以参考下面文章内容，希望能帮助到您2021-09-09
Python concurrent.futures模块使用实例
这篇文章主要介绍了Python concurrent.futures模块使用实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
这篇文章主要介绍了Python之web模板应用，web模板可以更加灵活和方便的控制HTML的显示，非常具有实用价值,有需要的小伙伴可以参考下2017-12-12
最新评论