python 欧氏距离_如何用NumPy计算欧氏距离？

对于任何对同时计算多个距离感兴趣的人，我做了一些比较完成图(我的一个小项目)。结果证明a_min_b = a - b

numpy.sqrt(numpy.einsum('ij,ij->i', a_min_b, a_min_b))

中的行的距离。a和b最快的。这实际上也适用于一行！

再现情节的代码：import matplotlibimport numpyimport perfplotfrom scipy.spatial import distancedef linalg_norm(data):

a, b = data    return numpy.linalg.norm(a-b, axis=1)def sqrt_sum(data):

a, b = data    return numpy.sqrt(numpy.sum((a-b)**2, axis=1))def scipy_distance(data):

a, b = data    return list(map(distance.euclidean, a, b))def mpl_dist(data):

a, b = data    return list(map(matplotlib.mlab.dist, a, b))def sqrt_einsum(data):

a, b = data

a_min_b = a - b    return numpy.sqrt(numpy.einsum('ij,ij->i', a_min_b, a_min_b))perfplot.show(

setup=lambda n: numpy.random.rand(2, n, 3),

n_range=[2**k for k in range(20)],

kernels=[linalg_norm, scipy_distance, mpl_dist, sqrt_sum, sqrt_einsum],

logx=True,

logy=True,

xlabel='len(x), len(y)'

)