python numpy行向量矩阵之间的欧几里得距离计算

Question

我刚接触Numpy，想请教一下怎么计算存储在向量中的点之间的欧几里得距离。

假设我们有一个numpy.array，每一行都是一个向量，还有一个单独的numpy.array。我想知道是否可以计算所有点与这个单独点之间的欧几里得距离，并把结果存储在一个numpy.array里。

这里有一个接口：

points #2d list of row-vectors
singlePoint #one row-vector

listOfDistances= procedure( points,singlePoint)

我们能不能做到这一点？或者有没有办法用一个命令，把单独的点当作其他点的列表，最后得到一个距离矩阵？

谢谢

Answer 1

在编程中，有时候我们会遇到一些问题，比如代码运行不正常或者出现错误。这些问题可能是因为我们写的代码有bug，或者是因为我们没有正确理解某些概念。

当你在编程的时候，遇到问题时，首先要冷静下来，仔细检查你的代码。可以尝试逐行阅读，看看有没有拼写错误或者逻辑上的问题。

另外，查阅相关的文档或者在网上搜索类似的问题也是一个好办法。很多时候，别人也遇到过类似的情况，他们可能已经找到了解决方案。

如果你还是无法解决问题，可以考虑向社区求助，比如在StackOverflow上发帖，描述你的问题和你尝试过的解决办法。记得提供足够的信息，这样别人才能更好地帮助你。

总之，编程是一项需要耐心和细心的工作，遇到问题时不要气馁，慢慢来，总会找到解决办法的。

import numpy as np
def distance(v1, v2):
    return np.sqrt(np.sum((v1 - v2) ** 2))    

Answer 2

要计算距离，你可以使用numpy库中的linalg模块里的norm方法：

np.linalg.norm(x - y)

Answer 3

虽然你可以使用vectorize，但@Karl的方法在处理numpy数组时会比较慢。

更简单的方法是直接使用 np.hypot(*(points - single_point).T)。这里的转置操作是因为我们假设points是一个Nx2的数组，如果它是2xN的格式，就不需要加 .T。

不过，这样写有点难懂，所以我们可以把它写得更清楚一些，比如用一些示例数据来演示：

import numpy as np
single_point = [3, 4]
points = np.arange(20).reshape((10,2))

dist = (points - single_point)**2
dist = np.sum(dist, axis=1)
dist = np.sqrt(dist)