如何用python计算距堪培拉的距离（举例）

两个向量 A 和 B 之间的堪培拉距离计算如下：

距堪培拉的距离 = Σ |A _i -B _i | / (|A _i | + |B _i |)

金子：

• A _i ：向量 A 的^{第 i 个}值
• B _i ：向量 B 中的第 i^个值

例如，假设我们有以下两个向量：

• A = [2, 4, 4, 6]
• B = [5, 5, 7, 8]

我们将计算 A 和 B 之间的堪培拉距离如下：

• 距堪培拉的距离 = |2-5|/(2+5) + |4-5|/(4+5) + |4-7|/(4+7) + |6-8|/(6+8 ) )
• 距堪培拉的距离 = 3/7 + 1/9 + 3/11 + 2/14
• 距堪培拉的距离 = 0.95527

这两个向量之间的堪培拉距离是0.95527 。

以下示例演示如何在 Python 中计算这两个精确向量之间的堪培拉距离。

示例：用 Python 计算距堪培拉的距离

首先，我们创建一个 NumPy 数组来保存每个向量：

 import numpy as np

#define two arrays
array1 = np. array ([2, 4, 4, 6])
array2 = np. array ([5, 5, 7, 8])

然后，我们可以使用Python中SciPy包中的canberra()函数来计算两个向量之间的堪培拉距离：

 from scipy. spatial import distance

#calculate Canberra distance between the arrays
distance. canberra (array1, array2)

0.9552669552

两个向量之间的堪培拉距离为0.95527 。

请注意，该值与我们之前手动计算的值相对应。

注意：您可以在此处从SciPy包中找到canberra()函数的完整文档。

其他资源

以下教程解释了如何在 Python 中计算其他常见距离度量：

如何在Python中计算欧几里德距离
如何用 Python 计算曼哈顿距离
如何在 Python 中计算汉明距离
如何在 Python 中计算马氏距离
如何在Python中计算编辑距离