我不确定“范数”和“欧几里德距离”是否是同一个意思。请你帮我区分一下。
我有一个n
bym
数组a
,其中m
>;3。我想计算第二个数据点a[1,:]
到所有其他点(包括它自己)之间的Eculidean距离。所以我使用np.linalg.norm
,它输出两个给定点的范数。但我不知道这是不是得到EDs的正确方法
import numpy as np
a = np.array([[0, 0, 0 ,0 ], [1, 1 , 1, 1],[2,2, 2, 3], [3,5, 1, 5]])
N = a.shape[0] # number of row
pos = a[1,:] # pick out the second data point.
dist = np.zeros((N,1), dtype=np.float64)
for i in range(N):
dist[i]= np.linalg.norm(a[i,:] - pos)
norm是一个函数,它接受一个向量作为输入并返回一个标量值,该标量值可以解释为该向量的“大小”、“长度”或“大小”。更正式地说,规范被定义为具有以下数学性质:
欧几里德范数(也称为L 2范数)只是许多不同范数中的一种,也有最大范数、曼哈顿范数等。单个向量的L 2范数等于从该点到原点的欧几里德距离,两向量差的L 2范数等价于两点间的欧几里德距离。
正如nobar的答案所说,
np.linalg.norm(x - y, ord=2)
(或者仅仅是np.linalg.norm(x - y)
)将给出向量x
和y
之间的欧氏距离。由于要计算
a[1, :]
与a
中的每一行之间的欧几里德距离,可以通过消除for
循环并在a
行上广播来更快地完成此操作:使用广播计算欧几里德距离也很容易:
最快的方法可能是^{} :
(1000,1000)阵列的一些计时:
“范数”的概念是数学中的一个广义概念,当应用于向量(或向量差异)时,它广泛地表示某种长度的度量。计算一个范数有各种不同的方法,但是一个叫做欧几里德距离的方法叫做“2范数”,它是基于应用2的指数(“平方”)和应用1/2的指数(“平方根”)的总和。
它在the docs中有点神秘,但是通过设置参数
ord=2
,可以得到两个向量之间的欧几里德距离。变成
sqrt(sum(x**2))
。注意:正如@Holt所指出的,默认值是
ord=None
,它被记录为计算向量的“2-范数”。因此,这相当于ord=2
(欧几里德距离)。相关问题 更多 >
编程相关推荐