n维空间的欧氏距离公式_什么是“欧几里得距离”（ED）？| 群体遗传专题

在BSA(bulk segregant analysis)的结题报告中，我们经常看到欧几里得距离(Euclidean distance，ED，又称欧氏距离)算法的结果。欧几里得这位大数学家的名字我们都不算陌生，但是欧几里得距离是什么，它又是怎样应用到遗传学研究的领域当中来的呢？

要理解欧几里得距离，我们先要了解欧几里得空间。我们通常所在的空间是三维空间，三维空间任意的点可以被一个三维的坐标定义。而将三维拓展为更高的n维，即得到了n维欧几里得空间。而在n维空间中两个点之间的距离，我们就称之为欧几里得距离。

在具体的应用中，如果一组数据拥有n个相互独立的变量，我们就可以将其置于n维的欧几里得空间中，并应用欧几里得距离来量化两组数据之间的差异。我们都知道，在二维平面上，两点之间的距离计算如下：

那么应用到n维空间中，欧几里得距离的计算也同理，是坐标轴各方向差值的平方和开根号，计算如下：