對于任何對同時計算多個距離感興趣的人，我做了一些比較完成圖(我的一個小項目)。結果證明a_min_b?=?a?-?b

numpy.sqrt(numpy.einsum('ij,ij->i',?a_min_b,?a_min_b))

中的行的距離。a和b最快的。這實際上也適用于一行！

再現情節的代碼：import?matplotlibimport?numpyimport?perfplotfrom?scipy.spatial?import?distancedef?linalg_norm(data):

a,?b?=?data????return?numpy.linalg.norm(a-b,?axis=1)def?sqrt_sum(data):

a,?b?=?data????return?numpy.sqrt(numpy.sum((a-b)**2,?axis=1))def?scipy_distance(data):

a,?b?=?data????return?list(map(distance.euclidean,?a,?b))def?mpl_dist(data):

a,?b?=?data????return?list(map(matplotlib.mlab.dist,?a,?b))def?sqrt_einsum(data):

a,?b?=?data

a_min_b?=?a?-?b????return?numpy.sqrt(numpy.einsum('ij,ij->i',?a_min_b,?a_min_b))perfplot.show(

setup=lambda?n:?numpy.random.rand(2,?n,?3),

n_range=[2**k?for?k?in?range(20)],

kernels=[linalg_norm,?scipy_distance,?mpl_dist,?sqrt_sum,?sqrt_einsum],

logx=True,

logy=True,

xlabel='len(x),?len(y)'

)

總結

以上是生活随笔為你收集整理的python 欧氏距离_如何用NumPy计算欧氏距离？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。