使用 SciPy 计算欧几里德距离

欧几里德距离是两个实值向量之间的距离。我们主要用它来计算两行具有数值(浮点值或整数值)的数据之间的距离。下面是计算欧几里得距离 − 的公式

$$\mathrm{d(r,s) =\sqrt{\sum_{i=1}^{n}(s_i-r_i)^2} }$$

这里，

r 和 s 是欧几里得 n 空间中的两个点。

s_i 和 r_i 是欧几里得向量。

n 表示 n 空间。

让我们看看如何使用 SciPy 库 − 计算两点之间的欧几里得距离

示例

# 导入 SciPy 库
from scipy.spatial import distance
# Defining the points
A = (1, 2, 3, 4, 5, 6)
B = (7, 8, 9, 10, 11, 12)
A, B
# Computing the Euclidean distance
euclidean_distance = distance.euclidean(A, B)
print('Euclidean Distance b/w', A, 'and', B, 'is: ', euclidean_distance)

输出

((1, 2, 3, 4, 5, 6), (7, 8, 9, 10, 11, 12))

Euclidean Distance b/w (1, 2, 3, 4, 5, 6) and (7, 8, 9, 10, 11, 12) is: 1
4.696938456699069

相关文章

• 使用 SciPy 库比较"三次"和"线性"一维插值
• 使用 SciPy 计算汉明距离
• 使用 SciPy 计算 Minkowski 距离
• 使用 SciPy 计算曼哈顿距离
• 使用 SciPy 计算欧几里德距离