计算Python Numpy向量之间的欧氏距离,已知vec1和vec2是两个Numpy向量,欧氏距离计算如下:

import numpy
dist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2)))

或者直接:

dist = numpy.linalg.norm(vec1 - vec2)

补充知识:Python中计算两个数据点之间的欧式距离,一个点到数据集中其他点的距离之和

如下所示:

计算数两个数据点之间的欧式距离

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 中运输代码输出结果如下:

计算Python Numpy向量之间的欧氏距离实例

计算一个点到数据集中其他点的距离之和

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 中运输代码输出结果如下:

计算Python Numpy向量之间的欧氏距离实例

from scipy import *
import pylab as pl
 
all_points = rand(500, 2)
pl.plot(all_points[:, 0], all_points[:, 1], 'b.')
pl.show()

定义函数计算距离

def cost(c, all_points): #指定点,all_points:为集合类的所有点
return sum(sum((c - all_points) ** 2, axis=1) ** 0.5)

以上这篇计算Python Numpy向量之间的欧氏距离实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。