python计算n维欧几里得距离_欧几里德距离Python实现

我正在使用编程集体智慧的以下代码,这是一本计算两位电影评论家之间的eclidian距离的书中的函数.

此函数对字典中排名的差异求和,但n维中的欧几里德距离还包括该和的平方根.

AFAIK,因为我们使用相同的功能对每个人进行排名无关紧要我们是否平分根,但我想知道是否有特定原因？

from math import sqrt

# Returns a distance-based similarity score for person1 and person2

def sim_distance(prefs,person1,person2):

# Get the list of shared_items

si={}

for item in prefs[person1]:

if item in prefs[person2]:

si[item]=1

# if they have no ratings in common, return 0

if len(si)==0: return 0

# Add up the squares of all the differences

sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2)

for item in prefs[person1] if item in prefs[person2]])

return 1/(1+sum_of_squares)