計算Python Numpy向量之間的歐氏距離實例
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(bǔ)充知識:Python中計算兩個數(shù)據(jù)點之間的歐式距離,一個點到數(shù)據(jù)集中其他點的距離之和
如下所示:
計算數(shù)兩個數(shù)據(jù)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(jié)果如下:
計算一個點到數(shù)據(jù)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(jié)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(shù)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)
以上這篇計算Python Numpy向量之間的歐氏距離實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
- Python如何實現(xiàn)大型數(shù)組運算(使用NumPy)
- Python常用庫Numpy進(jìn)行矩陣運算詳解
- Python numpy矩陣處理運算工具用法匯總
- python numpy庫np.percentile用法說明
- python numpy實現(xiàn)rolling滾動案例
- python求numpy中array按列非零元素的平均值案例
- Python過濾掉numpy.array中非nan數(shù)據(jù)實例
- Python 實現(xiàn)將numpy中的nan和inf,nan替換成對應(yīng)的均值
- Python替換NumPy數(shù)組中大于某個值的所有元素實例
- Python使用Numpy模塊讀取文件并繪制圖片
- Numpy實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)(CNN)的示例
相關(guān)文章
一文帶你精通Python中*args和**kwargs的應(yīng)用技巧
如果能在Python中創(chuàng)建適應(yīng)不同場景的函數(shù),而無需每次都重寫它們,會使得操作簡潔方便,這就是*args和**kwargs的魔力所在,下面我們就來看看它們的具體一些應(yīng)用技巧吧2024-03-03Python concurrent.futures模塊使用實例
這篇文章主要介紹了Python concurrent.futures模塊使用實例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-12-12