Jak obliczyć odległość od canberry w pythonie (z przykładem)

Odległość Canberry pomiędzy dwoma wektorami A i B oblicza się w następujący sposób:

Odległość od Canberry = Σ |A _i -B _i | / (|A _i | + |B _i |)

Złoto:

• A _i : ^i-ta wartość wektora A
• B _i : i- ^ta wartość wektora B

Załóżmy na przykład, że mamy następujące dwa wektory:

• ZA = [2, 4, 4, 6]
• B = [5, 5, 7, 8]

Odległość Canberry pomiędzy A i B obliczylibyśmy w następujący sposób:

• Odległość od Canberry = |2-5|/(2+5) + |4-5|/(4+5) + |4-7|/(4+7) + |6-8|/(6+8 ) )
• Odległość od Canberry = 3/7 + 1/9 + 3/11 + 2/14
• Odległość od Canberry = 0,95527

Odległość Canberry między tymi dwoma wektorami wynosi 0,95527 .

Poniższy przykład pokazuje, jak obliczyć odległość Canberry między tymi dwoma dokładnymi wektorami w Pythonie.

Przykład: Oblicz odległość od Canberry w Pythonie

Najpierw utwórzmy tablicę NumPy do przechowywania każdego z naszych wektorów:

 import numpy as np

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

Następnie możemy użyć funkcji canberra() z pakietu SciPy w Pythonie, aby obliczyć odległość Canberry między dwoma wektorami:

 from scipy. spatial import distance

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

0.9552669552

Odległość Canberry między dwoma wektorami wynosi 0,95527 .

Należy pamiętać, że ta wartość odpowiada wartości, którą obliczyliśmy wcześniej ręcznie.

Uwaga : Pełną dokumentację funkcji canberra() z pakietu SciPy można znaleźć tutaj .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak obliczać inne popularne metryki odległości w Pythonie:

Jak obliczyć odległość euklidesową w Pythonie
Jak obliczyć odległość Manhattanu w Pythonie
Jak obliczyć odległość Hamminga w Pythonie
Jak obliczyć odległość Mahalanobisa w Pythonie
Jak obliczyć odległość Levenshteina w Pythonie