python计算坐标点欧式距离_常用的距离度量准则

常用的距离度量准则

1。欧式距离(Euclidean Distance)

欧式距离又称欧几里得度量，较早的文献称之为毕达哥拉斯度量。
二维平面上两个点（x1, y1）,（x2, y2）间的欧式距离：

三维空间两个点（x1, y1, z1），（x2，y2，z2）间的欧式距离：

n维空间两个点（x11，x12，x13，……），（x21，x22，x23，……）间(两个n维向量)的欧式距离:

欧式距离的缺点：就大部分统计问题而言，欧氏距离是不能令人满意的。（每个坐标对欧氏距离的贡献是同等的。当坐标表示测量值时，它们往往带有大小不等的随机波动，在这种情况下，合理的方法是对坐标加权，使变化较大的坐标比变化较小的坐标有较小的权系数，这就产生了各种距离。当各个分量为不同性质的量时，“距离”的大小与指标的单位有关。它将样品的不同属性（即各指标或各变量）之间的差别等同看待，这一点有时不能满足实际要求。没有考虑到总体变异对距离远近的影响。

2。曼哈顿距离(Manhatta