計算Python Numpy向量之間的歐氏距離，已知vec1和vec2是兩個Numpy向量，歐氏距離計算如下：
import numpy
dist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2)))
或者直接：
dist = numpy.linalg.norm(vec1 - vec2)
補充知識：Python中計算兩個數據點之間的歐式距離，一個點到數據集中其他點的距離之和
如下所示：
計算數兩個數據點之間的歐式距離
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 中運輸代碼輸出結果如下：
計算一個點到數據集中其他點的距離之和
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 中運輸代碼輸出結果如下：
from scipy import * import pylab as pl all_points = rand(500, 2) pl.plot(all_points[:, 0], all_points[:, 1], 'b.') pl.show()
定義函數計算距離
def cost(c, all_points): #指定點，all_points:為集合類的所有點
return sum(sum((c - all_points) ** 2, axis=1) ** 0.5)
[月球人 ] 計算Python Numpy向量之間的歐氏距離實例已經有237次圍觀
