python计算坐标点欧式距离_计算Python Numpy向量之间的欧氏距离实例

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)

# 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()

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
#指定点,all_points:为集合类的所有点
def cost(c, all_points): 
    return sum(sum((c - all_points) ** 2, axis=1) ** 0.5)

  • 2
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DLANDML

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值