numpy中计算数组之间的欧式距离

如何利用python计算两个数组之间的距离呢？
我们可以有以下两种计算方式：

第一种方式

vec1和vec2是两个numpy向量，欧式距离计算如下：

import numpy as np
dist = np.sqrt(np.sum(np.square(vec1 - vec2)))

其中

np.sqrt()：计算平方根
np.square()：返回一个新数组，该数组的元素值为源数组元素的平方，源阵列保持不变。

第二种方式

dist = np.linalg.norm(vec1 - vec2)

np.linalg.norm(x,ord=None, axis=None, keepdims=False)
x：表示矩阵
ord：表示范数类型
axis：处理类型
	axis = 1：按行向量处理，求多个行向量的范数
	axis = 0：按列向量处理，求多个列向量的范数
	axis = None：表示矩阵范数
keepdims：是否保持矩阵的二维特性
	True表示保持矩阵的二维特性，False相反

关于范数

矩阵的范数：
ord = 1：列和的最大值
ord = 2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根
ord=∞：行和的最大值
ord=None：默认情况下是求整个矩阵元素平方和再开根号