Python 数据科学计算欧几里得距离

我需要这个挑战的帮助，我尝试用不同的方法来做，但最后几个测试用例给了我错误。这是一个自学挑战。他们允许我寻求帮助

任务：

假设给定的集群中有两个集群 二维数据点和两个随机点（0,0）和（2,2） 是初始簇质心。计算欧氏距离 在每个数据点和每个质心之间，指定每个数据点 指向最近的质心，然后计算新的质心。如果 有一个平局，将数据点分配给具有质心（0， 0). 如果没有为给定质心指定任何数据点，则返回none

输入格式：

第一行：一个整数，表示 接下来n行的数据点数量（n）：每个数据点有两个数值 线表示二维空间中的数据点

输出格式

两个质心的两个列表。数字四舍五入到第二个小数点 地点

样本输入：

三,

10

0.5

40

样本输出：

[0.50.25]

[4.0]

• 我的尝试：

---

使用基于毕达哥拉斯定理的公式：

前

---

易于理解，而且快速简单。

请将您的问题缩减到需要帮助的相关部分。你的代码的哪一部分没有产生你想要的结果，你得到了哪一个结果？这是我也不理解的部分，因为我总是得到错误答案的最后几个测试用例被锁定了，我无法查看它们。但如果我不得不猜测，我想我需要帮助指出数据点是分配的还是平局的。

n = int(input())
X = []
for i in range(n):
    X.append([float(x) for x in input().split()])
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import numpy as np
from sklearn.metrics.pairwise import euclidean_distances
scale = StandardScaler()
scale.fit(X)
X_scaled = scale.transform(X)
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)
s=(kmeans.cluster_centers_)
for a in s:
    print(np.around(a,2))

import math

x1 = 1 

y1 = 3

x2 = 6

y2 = 8

a = x2 - x1 #get length "a" of triangle rectangle

b = y2 - y1 #get length "b" of triangle rectangle

c = math.sqrt((a**2) + (b**2)) #distance between two 2D coordinates/hypotenuse