距离计算以及代码实现

1. 欧氏距离(Euclidean Distance)
(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：

(2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：

(3)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离：

(4)也可以用表示成向量运算的形式：

import numpy as np
x = np.array([1,2,3,4])
y = np.array([0,5,6,7])

#方法一：根据公式求解
d1 = np.sqrt(np.sum(np.square(x-y)))
#方法二：根据scipy库求解
from scipy.spatial.distance import pdist
X = np.vstack([x,y])
d2 = pdist(X)
#方法三：numpy方法
d3 = np.linalg.norm(x-y)
d4 = np.sqrt(np.sum(np.square(x-y)))

2. 曼哈顿距离(Manhattan Distance)

(1)二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离

(2)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的曼哈顿距离

x = np.array([1,2,3,4])
y = np.array([0,5,6,7])
#方法一：根据公式求解
d1 = np.sum(np.abs(x-y))
#方法二：根据scipy库求解
from scipy.spatial.distance import pdist
X = np.vstack([x,y])
d2 = pdist(X,'cityblock')

 3.切比雪夫距离

 国际象棋国王走一步能够移动到相邻的8个方格中的任意一个。那么国王从格子(x1,y1)走到格子(x2,y2)最少需要多少步？自己走走试试。你会发现最少步数总是max( | x2-x1 | , | y2-y1 | ) 步 。有一种类似的一种距离度量方法叫切比雪夫距离。
(1)二维平面两点a(x1,y1)与b(x2,y2)间的切比雪夫距离

(2)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的切比雪夫距离

　　这个公式的另一种等价形式是  

x = np.array([1,2,3,4])
y = np.array([0,5,6,7])
#方法一：根据公式求解
d1 = np.max(np.abs(x-y))

#方法二：根据scipy库求解
from scipy.spatial.distance import pdist
X = np.vstack([x,y])
d2 = pdist(X,'chebyshev')