如何使用NumPy计算欧几里得距离？

我在3D中有两点：

(xa, ya, za)
(xb, yb, zb)

我想计算距离：

dist = sqrt((xa-xb)^2 + (ya-yb)^2 + (za-zb)^2)

使用NumPy或一般使用Python的最佳方法是什么？ 我有：

a = numpy.array((xa ,ya, za))
b = numpy.array((xb, yb, zb))

---

#1楼

可以像下面这样完成。 我不知道它有多快，但是它没有使用NumPy。

from math import sqrt
a = (1, 2, 3) # Data point 1
b = (4, 5, 6) # Data point 2
print sqrt(sum( (a - b)**2 for a, b in zip(a, b)))

---

#2楼

此问题解决方法的另一个实例：

def dist(x,y):   
    return numpy.sqrt(numpy.sum((x-y)**2))

a = numpy.array((xa,ya,za))
b = numpy.array((xb,yb,zb))
dist_a_b = dist(a,b)

---

#3楼

使用numpy.linalg.norm ：

dist = numpy.linalg.norm(a-b)

背后的理论：如数据挖掘导论所述

之所以有效，是因为欧几里得距离为l2范数，并且numpy.linalg.norm中ord参数的默认值为2。

---

#4楼

我在matplotlib.mlab中找到了一个“ dist”函数，但我认为它并不方便。

我将其发布在这里仅供参考。

import numpy as np
import matplotlib as plt

a = np.array([1, 2, 3])
b = np.array([2, 3, 4])

# Distance between a and b
dis = plt.mlab.dist(a, b)

---

#5楼

SciPy中有一个功能。 这就是欧几里得语 。

例：

from scipy.spatial import distance
a = (1, 2, 3)
b = (4, 5, 6)
dst = distance.euclidean(a, b)

---

#6楼

这是一些Python中的欧几里得距离的简洁代码，给出了用Python列表表示的两个点。

def distance(v1,v2): 
    return sum([(x-y)**2 for (x,y) in zip(v1,v2)])**(0.5)

---

#7楼

我喜欢np.dot （点积）：

a = numpy.array((xa,ya,za))
b = numpy.array((xb,yb,zb))

distance = (np.dot(a-b,a-b))**.5

---

#8楼

在定义a和b同时，还可以使用：

distance = np.sqrt(np.sum((a-b)**2))

---

#9楼

一个不错的单线：

dist = numpy.linalg.norm(a-b)

但是，如果需要考虑速度，建议您在计算机上进行实验。 我发现在我的机器上，将math库的sqrt与**运算符一起使用，比单行NumPy解