如何使用 NumPy 高效計算 3D 空間中的歐氏距離？

使用 NumPy 計算歐幾里德距離

給定 3D 空間中的兩點，表示為 NumPy 陣列 a 和 b。您的目標是計算這些點之間的歐幾里德距離。

兩點之間的歐幾里德距離使用以下公式計算：

dist = sqrt((ax-bx)^2 + (ay-by)^2 + (az-bz)^2)

要使用 NumPy 計算此距離，您可以使用numpy.linalg.norm 函數。此函數計算向量範數，即向量的長度。兩點之間的歐幾裡得距離只是它們差的 l2 範數。

因此，您可以如下計算距離：

import numpy

a = numpy.array((ax, ay, az))
b = numpy.array((bx, by, bz))

dist = numpy.linalg.norm(a - b)

numpy.linalg.norm 函數採用向量作為輸入並傳回其範數。此函數中ord參數的預設值為2，對應l2範數，也稱為歐氏距離。

為了更深入的了解歐氏距離及其與l2的關係規範，參考《資料探勘導論》一書摘錄。

以上是如何使用 NumPy 高效計算 3D 空間中的歐氏距離？的詳細內容。更多資訊請關注PHP中文網其他相關文章！