Wie kann der euklidische Abstand mit NumPy berechnet werden?

Question

Ich habe zwei Punkte in 3D:

(xa, ya, za)
(xb, yb, zb)

Und ich möchte die Entfernung berechnen:

dist = sqrt((xa-xb)^2 + (ya-yb)^2 + (za-zb)^2)

Was ist der beste Weg, dies mit NumPy, oder mit Python im Allgemeinen zu tun? Ich habe:

import numpy
a = numpy.array((xa ,ya, za))
b = numpy.array((xb, yb, zb))

Answer 1

Ich mag np.dot (Punktprodukt):

a = numpy.array((xa,ya,za))
b = numpy.array((xb,yb,zb))

distance = (np.dot(a-b,a-b))**.5

Answer 2

Seit Python 3.8

Seit Python 3.8 wird die math Modul enthält die Funktion math.dist() .
Siehe hier https://docs.python.org/3.8/library/math.html#math.dist .

math.dist(p1, p2)
Gibt den euklidischen Abstand zwischen zwei Punkten p1 und p2 zurück, die jeweils als eine Folge (oder Iterable) von Koordinaten angegeben sind.

import math
print( math.dist( (0,0),   (1,1)   )) # sqrt(2) -> 1.4142
print( math.dist( (0,0,0), (1,1,1) )) # sqrt(3) -> 1.7321

Answer 3

Mit Python 3.8 ist das sehr einfach.

https://docs.python.org/3/library/math.html#math.dist

math.dist(p, q)

Gibt den euklidischen Abstand zwischen zwei Punkten p und q zurück, die jeweils mit als eine Folge (oder Iterable) von Koordinaten. Die beiden Punkte müssen die gleiche Dimension haben.

Entspricht in etwa:

sqrt(sum((px - qx) ** 2.0 for px, qx in zip(p, q)))

Answer 4

Mit a et b wie Sie sie definiert haben, können Sie auch verwenden:

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

Answer 5

Hier ist ein kurzer Code für den euklidischen Abstand in Python, wenn zwei Punkte als Listen in Python dargestellt werden.

def distance(v1,v2): 
    return sum([(x-y)**2 for (x,y) in zip(v1,v2)])**(0.5)