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)

在jupyter 中运输代码输出结果如下：

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()

在jupyter 中运输代码输出结果如下：

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def cost(c, all_points): #指定点，all_points:为集合类的所有点

return sum(sum((c - all_points) ** 2, axis=1) ** 0.5)

以上这篇计算Python Numpy向量之间的欧氏距离实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。