计算Python Numpy向量之间的欧氏距离实例
GarfieldEr007 人气:1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。
加载全部内容