Numpy欧几里得距离 - Python

简介

欧几里得距离是指空间中两个点之间的距离。

在机器学习中，它常常被用来测量样本数据之间的相似性和差异性。

在Python中，可以使用NumPy库来计算欧几里得距离。

示例代码

以下是一个简单的示例代码，用于计算两个n维向量之间的欧几里得距离。

import numpy as np

def euclidean_distance(x, y):
    return np.sqrt(np.sum((x - y) ** 2))

x = np.array([1, 2, 3])
y = np.array([4, 5, 6])

print(euclidean_distance(x, y))

输出结果为：

5.19615242271

解释

上述示例中，我们首先导入了NumPy库，并定义了一个euclidean_distance函数，该函数用于计算两个参数之间的欧几里得距离。

在函数内部，首先使用NumPy库的subtraction函数(x - y)计算两个向量之间的差异，然后使用NumPy库的square函数对向量进行平方，最后使用NumPy库的sum函数对向量平方的和进行求和，然后使用NumPy库的sqrt函数对结果进行平方根计算。

最后，我们定义了两个向量x和y，并使用euclidean_distance函数计算它们之间的欧几里得距离。

总结

在本文中，我们介绍了如何使用NumPy库计算两个n维向量之间的欧几里得距离。

NumPy库中的一些重要的函数，如subtraction、square、sum和sqrt都在该示例代码中得到了应用。