欧氏距离算法_python右对齐

激活谷笔记 • 2025-06-16 10:49 • 阅读 100

在Python中计算欧氏距离，你可以使用NumPy库，它提供了高效的数学计算功能。以下是使用NumPy计算欧氏距离的几种方法：

方法一：使用`np.linalg.norm`函数

 import numpy as np x = np.array（[1, 2, 3]） y = np.array（[4, 5, 6]） 计算两个向量之间的欧式距离 distance = np.linalg.norm（x - y） print（distance） 输出：5.6632

方法二：使用`np.sqrt`和`np.sum`函数

 import numpy as np x = np.array（[1, 2, 3]） y = np.array（[4, 5, 6]） 计算两个向量之间的欧式距离 distance = np.sqrt（np.sum（（x - y） 2）） print（distance） 输出：5.6632

方法三：使用`np.square`和`np.sum`函数

 import numpy as np x = np.array（[1, 2, 3]） y = np.array（[4, 5, 6]） 计算两个向量之间的欧式距离 distance = np.sqrt（np.sum（np.square（x - y））） print（distance） 输出：5.6632

方法四：使用`scipy.spatial.distance.euclidean`函数

如果你安装了SciPy库，你也可以使用其提供的函数来计算欧式距离：

 from scipy.spatial import distance x = np.array（[1, 2, 3]） y = np.array（[4, 5, 6]） 计算两个向量之间的欧式距离 distance = distance.euclidean（x, y） print（distance） 输出：5.6632

以上方法适用于计算两个向量之间的欧式距离。如果你需要计算一个点到数据集中其他所有点的距离，可以使用类似的方法，将数据集中的每个点作为`y`，待计算的点作为`x`。

希望这些方法能帮助你计算欧氏距离

欧氏距离算法_python右对齐

相关推荐