Python中的欧几里德距离

我有两个3000x3向量，我想计算它们之间的1:1欧几里德距离。例如，vec1是

1 1 1  
2 2 2    
3 3 3  
4 4 4  
...

vec2是

2 2 2
3 3 3  
4 4 4  
5 5 5  
...

我想得到的结果如下

1.73205081  
1.73205081
1.73205081
1.73205081
...

---

我尝试了

scipy.space.distance.cdist（vec1，vec2）

，它返回一个3000x3000矩阵，而我只需要主对角线。我还尝试了

np.sqrt（np.sum（（vec1-vec2）**2代表vec1，vec2代表zip（vec1，vec2））

，但它没有达到我的目的。请问有没有办法计算距离？如果您有任何意见，我将不胜感激。

cdist

返回3000 x 3000数组，因为它计算两个输入数组中每对行向量之间的距离

要仅计算相应行索引之间的距离，可以使用：

或使用标准矢量化数组操作：

dist = np.sqrt(((a - b) ** 2).sum(1))

---

这是另一种有效的方法。它仍然使用

np.linalg.norm

函数，但如果您需要的话，它会处理数据

import numpy as np
vec1='''1 1 1
    2 2 2
    3 3 3
    4 4 4'''
vec2='''2 2 2
    3 3 3
    4 4 4
    5 5 5'''

process_vec1 = np.array([])
process_vec2 = np.array([])

for line in vec1:
    process_vec1 = np.append( process_vec1, map(float,line.split()) )
for line in vec2:
    process_vec2 = np.append( process_vec2, map(float,line.split()) )

process_vec1 = process_vec1.reshape( (len(process_vec1)/3, 3) )
process_vec2 = process_vec2.reshape( (len(process_vec2)/3, 3) )

dist = np.linalg.norm( process_vec1 - process_vec2 , axis = 1 )

print dist

---

[1.7320508075688772 1.7320508075688772 1.7320508075688772 1.7320508075688772]

是否将向量存储在列表中？是的，存储在两个不同的文件中。下面的帖子回答了我的问题。无论如何，谢谢。一般来说，使用向量化来处理多行（例如

np.linalg.norm（process\u vec1-process\u vec2，axis=1）

）要比使用

map

快得多，后者在Python中隐式地迭代行，而不是在C中。

import numpy as np
vec1='''1 1 1
    2 2 2
    3 3 3
    4 4 4'''
vec2='''2 2 2
    3 3 3
    4 4 4
    5 5 5'''

process_vec1 = np.array([])
process_vec2 = np.array([])

for line in vec1:
    process_vec1 = np.append( process_vec1, map(float,line.split()) )
for line in vec2:
    process_vec2 = np.append( process_vec2, map(float,line.split()) )

process_vec1 = process_vec1.reshape( (len(process_vec1)/3, 3) )
process_vec2 = process_vec2.reshape( (len(process_vec2)/3, 3) )

dist = np.linalg.norm( process_vec1 - process_vec2 , axis = 1 )

print dist