Cómo calcular la distancia euclidiana en Python (con ejemplos) (2024)

La distancia euclidiana entre dos vectores, A y B, se calcula como:

Distancia euclidiana = √ Σ (A _i -B _i ) ²

Para calcular la distancia euclidiana entre dos vectores en Python, podemos usar la función numpy.linalg.norm :

#import functions import numpy as np from numpy. norma de importación de linalg#define dos vectores a = np.array ([2, 6, 7, 7, 5, 13, 14, 17, 11, 8])b = np.array ([3, 5, 5, 3, 7, 12, 13, 19, 22, 7])#calcular la distancia euclidiana entre los dos vectores norma (ab)12.409673645990857

La distancia euclidiana entre los dos vectores resulta ser 12.40967 .

Tenga en cuenta que esta función producirá un mensaje de advertencia si los dos vectores no tienen la misma longitud:

#import functions import numpy as np from numpy. norma de importación de linalg#define dos vectores a = np.array ([2, 6, 7, 7, 5, 13, 14])b = np.array ([3, 5, 5, 3, 7, 12, 13, 19, 22, 7])#calcular la distancia euclidiana entre los dos vectores norma (ab)ValueError : los operandos no se pudieron transmitir junto con las formas (7,) (10,) 

Tenga en cuenta que también podemos usar esta función para calcular la distancia euclidiana entre dos columnas de un DataFrame de pandas:

#import functions import pandas as pd import numpy as np from numpy. norma de importación de linalg#define DataFrame con tres columnas df = pd.DataFrame ({'points': [25, 12, 15, 14, 19, 23, 25, 29], 'asiste': [5, 7, 7, 9, 12, 9, 9, 4], 'rebotes': [11, 8, 10, 6, 6, 5, 9, 12]})#calcular la distancia euclidiana entre 'puntos' y la norma de 'asistencias' (df ​​[' puntos '] - df [' asistencias '])40.496913462633174

La distancia euclidiana entre las dos columnas resulta ser 40,49691 .

Notas

1. Hay varias formas de calcular la distancia euclidiana en Python, pero como explica este hilo de Stack Overflow , el método explicado aquí resulta ser el más rápido.

2. Puede encontrar la documentación completa para la función numpy.linalg.norm aquí .

3. Puede consultar esta página de Wikipedia para obtener más detalles sobre la distancia euclidiana.

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/