Python 计算距离

Python 计算距离的方法有很多种，常用的算法有欧氏距离、曼哈顿距离、切比雪夫距离等。下面就让我们一一来学习吧。

欧氏距离

欧氏距离又叫做直线距离，是指在欧几里得几何中两点间距离的一种计算方式。计算公式如下：

$d=\sqrt{\sum_{i=1}^n(x_i-y_i)^2}$

其中，$n$ 表示坐标轴的维度，$x_i$ 和 $y_i$ 表示两个点在第 $i$ 个维度上的坐标。

下面是一个简单的示例，计算两个二维空间的点之间的欧氏距离：

import math

x = (1,1)    # 点1
y = (4,4)    # 点2

distance = math.sqrt((x[0]-y[0])**2 + (x[1]-y[1])**2)

print("点1和点2之间的欧氏距离为：", distance)

输出结果为：

点1和点2之间的欧氏距离为： 4.242640687119285

曼哈顿距离

曼哈顿距离也叫切比雪夫距离，是指在规定的坐标系上两个点的绝对轴距总和。计算公式如下：

$d=\sum_{i=1}^n|x_i-y_i|$

下面是一个简单的示例，计算两个二维空间的点之间的曼哈顿距离：

x = (1,1)    # 点1
y = (4,4)    # 点2

distance = abs(x[0]-y[0]) + abs(x[1]-y[1])

print("点1和点2之间的曼哈顿距离为：", distance)

输出结果为：

点1和点2之间的曼哈顿距离为： 6

以上就是 Python 中计算距离的两种常用计算方法。除此之外，还有其他的距离计算方法，需要根据实际需求进行选择。