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

Berechnen Sie den euklidischen Abstand für den mehrdimensionalen Raum:

 import math

 x = [1, 2, 6] 
 y = [-2, 3, 2]

 dist = math.sqrt(sum([(xi-yi)**2 for xi,yi in zip(x, y)]))
 5.0990195135927845

Answer 2

import math

dist = math.hypot(math.hypot(xa-xb, ya-yb), za-zb)

Answer 3

import numpy as np
from scipy.spatial import distance
input_arr = np.array([[0,3,0],[2,0,0],[0,1,3],[0,1,2],[-1,0,1],[1,1,1]]) 
test_case = np.array([0,0,0])
dst=[]
for i in range(0,6):
    temp = distance.euclidean(test_case,input_arr[i])
    dst.append(temp)
print(dst)

Answer 4

Die anderen Antworten funktionieren für Fließkommazahlen, berechnen aber nicht korrekt den Abstand für Integer-D-Typen, bei denen es zu Über- und Unterläufen kommt. Beachten Sie, dass auch scipy.distance.euclidean hat dieses Problem:

>>> a1 = np.array([1], dtype='uint8')
>>> a2 = np.array([2], dtype='uint8')
>>> a1 - a2
array([255], dtype=uint8)
>>> np.linalg.norm(a1 - a2)
255.0
>>> from scipy.spatial import distance
>>> distance.euclidean(a1, a2)
255.0

Dies ist üblich, da viele Bildbibliotheken ein Bild als ndarray mit dtype="uint8" darstellen. Das heißt, wenn Sie ein Graustufenbild haben, das aus sehr dunkelgrauen Pixeln besteht (sagen wir, alle Pixel haben die Farbe #000001 ) und Sie diffundieren es gegen ein schwarzes Bild ( #000000 ), kann es zu folgenden Ergebnissen kommen x-y bestehend aus 255 in allen Zellen, was sich dadurch bemerkbar macht, dass die beiden Bilder sehr weit voneinander entfernt sind. Für Integer-Typen ohne Vorzeichen (z. B. uint8) können Sie den Abstand in Numpy sicher wie folgt berechnen:

np.linalg.norm(np.maximum(x, y) - np.minimum(x, y))

Bei vorzeichenbehafteten Integer-Typen können Sie zunächst in eine Fließkommazahl umwandeln:

np.linalg.norm(x.astype("float") - y.astype("float"))

Speziell für Bilddaten können Sie die Norm-Methode von opencv verwenden:

import cv2
cv2.norm(x, y, cv2.NORM_L2)

Answer 5

import numpy as np
# any two python array as two points
a = [0, 0]
b = [3, 4]

Sie ändern zunächst die Liste in numpy array und dies tun: print(np.linalg.norm(np.array(a) - np.array(b))) . Zweite Methode direkt aus Python Liste als: print(np.linalg.norm(np.subtract(a,b)))