Julia 两个n维向量之间的欧氏距离

在Julia中，找到两个n维向量之间的欧几里德距离的简单方法是什么？

由于可爱的软件包，这很容易做到：

另外，如果您有两个9d列向量矩阵，您可以使用colwise获得每个对应对之间的距离：

thousand9d1 = rand(9,1000)
thousand9d2 = rand(9,1000)
dists = colwise(Euclidean(), thousand9d1, thousand9d2)
#returns: 1000-element Array{Float64,1}

还可以与单个向量进行比较，例如原点（如果需要每个列向量的大小）

其他距离也可用：

• 平方欧几里得
• 城市街区
• 切比雪夫
• 明可夫斯基
• 哈明
• 余弦
• 相关性
• 卡方
• Kullback-Leibler散度
• 詹森-香农散度
• 马哈拉诺比斯
• 方形马氏体
• 巴塔查里亚
• 海林格

有关详细信息，请参见以下方法

n = 10
x = rand(n)
y = rand(n)
d = norm(x-y)  # The euclidean (L2) distance

---

对于曼哈顿/出租车/L1距离，请使用

norm（x-y，1）

+1感谢您提出

距离

套餐。我认为OP的问题已经被

norm（）

充分回答了，但是了解这个包很有用。这也适用于2维以上的维度（norm只支持1维或2维数组）。例如，

norm（rand（（4,4,4））-rand（（4,4,4））

将在Julia 1.0中失败，您必须首先使用LinearGebra调用

。
origin9 = zeros(9)
mags = colwise(Euclidean(), thousand9ds1, origin9)
#returns: 1000-element Array{Float64,1}

n = 10
x = rand(n)
y = rand(n)
d = norm(x-y)  # The euclidean (L2) distance