كيفية حساب المسافة الإقليدية في بايثون (مع أمثلة)

يتم حساب المسافة الإقليدية بين المتجهين A وB على النحو التالي:

المسافة الإقليدية = √ Σ(A _i -B _i ) ²

لحساب المسافة الإقليدية بين متجهين في بايثون، يمكننا استخدام الدالة numpy.linalg.norm :

 #import functions
import numpy as np
from numpy. linalg import norm

#define two vectors
a = np.array([2, 6, 7, 7, 5, 13, 14, 17, 11, 8])
b = np.array([3, 5, 5, 3, 7, 12, 13, 19, 22, 7])

#calculate Euclidean distance between the two vectors 
norm(ab)

12.409673645990857

وتبين أن المسافة الإقليدية بين المتجهين هي 12.40967 .

لاحظ أن هذه الوظيفة ستنتج رسالة تحذير إذا لم يكن المتجهان بنفس الطول:

 #import functions
import numpy as np
from numpy. linalg import norm

#define two vectors
a = np.array([2, 6, 7, 7, 5, 13, 14])
b = np.array([3, 5, 5, 3, 7, 12, 13, 19, 22, 7])

#calculate Euclidean distance between the two vectors 
norm(ab)

ValueError : operands could not be broadcast together with shapes (7,) (10,) 

لاحظ أنه يمكننا أيضًا استخدام هذه الوظيفة لحساب المسافة الإقليدية بين عمودين في pandas DataFrame:

 #import functions
import pandas as pd 
import numpy as np
from numpy. linalg import norm

#define DataFrame with three columns
df = pd.DataFrame({'points': [25, 12, 15, 14, 19, 23, 25, 29],
                   'assists': [5, 7, 7, 9, 12, 9, 9, 4],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})

#calculate Euclidean distance between 'points' and 'assists' 
norm(df[' points '] - df[' assists '])

40.496913462633174

وتبين أن المسافة الإقليدية بين العمودين هي 40.49691 .

تعليقات

1. هناك عدة طرق لحساب المسافة الإقليدية في بايثون، ولكن كما يوضح هذا الموضوع Stack Overflow ، فإن الطريقة الموضحة هنا هي الأسرع.

2. يمكنك العثور على الوثائق الكاملة للدالة numpy.linalg.norm هنا .

3. يمكنك الرجوع إلى صفحة ويكيبيديا هذه لمعرفة المزيد عن المسافة الإقليدية.