Numpy Euklidische Entfernung

Heute lernen wir, wie man die euklidische Distanz in der Python -Sprache mit der Numpy -Bibliothek berechnet.

Numpy ist eine der wichtigsten Bibliotheken der Python -Sprache, die zur Ausführung der numerischen Operationen verwendet wird. In der Mathematik, um den Abstand zwischen Punkt A und Punkt B zu berechnen, verwenden wir den euklidischen Abstand, um den kürzesten Weg zwischen diesen beiden Punkten zu finden.

Um die kürzeste Länge zwischen zwei Koordinaten, x und y der Ebene zu finden.

Methoden der euklidischen Entfernung

Wir haben mehrere Ansätze zur Berechnung der Entfernung dieser beiden Punkte in Python, die sind:

• Mit dem Linalg.Norm () Funktion von Numpy
• Verwenden der DOT () und SQRT () -Funktionen von Numpy
• Verwenden der Funktionen von Square () und sum () von Numpy

Mit dem Linalg.Norm () Funktion zur Berechnung der Entfernung

Die erste Methode, um den euklidischen Abstand zwischen den X- und Y -Koordinaten zu finden, ist der Linalg.Norm () Methode.

Syntax:

Lassen Sie uns den Implementierungsstil der Norm () -Funktion von Numpy verstehen. Erstens schreiben wir immer den Bibliotheksnamen, den wir verwenden, der „Numpy“ ist. Dann schreiben wir den von uns implementierten Funktionsnamen, der die Norm () -Funktion ist. Vor dem Schreiben der Norm () -Funktion müssen wir die Funktion linalg () schreiben, die zeigt, dass die Norm () -Methode die lineare algebraische Expression ist. Danach übergeben wir zwei Parameter.

Rückgabewert:

Im Gegenzug erhalten wir den Unterschied zwischen dem Coordinate_x und dem Coordinate_Y.

Beispiel:

Beginnen wir mit der Implementierung unserer ersten Methode, dem Linalg.Norm () Funktion der euklidischen Entfernung in Numpy. Öffnen Sie jeden Python -Compiler, um den Code zu implementieren.

Wir schreiben das Schlüsselwort „Import“, das dem Compiler mitteilt, dass wir die Bibliothek importieren. Dann schreiben wir den Bibliotheksnamen, den wir in dem Programm verwenden, das „Numpy“ ist. Dann schreiben wir den Alias ​​des Numpy, der „NP“ ist.

Dann erstellen wir die beiden Arrays, um die Entfernung zu finden. Das erste Array ist "Coordinate_x", das wir erstellen, indem wir die Funktion array () des Numpy -Moduls aufrufen. Um das Array anzuzeigen, verwenden wir die Anweisung print () und übergeben das Array darin. Wir verwenden dieselbe Methode, um das zweite Array "Coordinate_y" zu erstellen und es mit der Anweisung print () zu drucken. Die Anweisung Print () ist die vordefinierte Aussage der Python -Sprache, mit der die Daten angezeigt werden.

Numph als NP importieren
drucken ("Implementierung von Linalg.Norm () Funktion, um den euklidischen Abstand zu finden: ")
koordinate_x = np.Array ([7, 2, 6])
print ("\ nDie Koordinate x ist:", koordinate_x)
koordinate_y = np.Array ([3, 9, 2])
print ("\ nDie Koordinate y ist:", Coordinate_y)
Entfernung = NP.Linalg.Norm (Koordinate_x - Koordinate_Y)
print ("\ n der kürzeste Weg zwischen x und y ist:", Entfernung)

Nachdem wir beide Arrays erstellt haben, implementieren wir die Norm () -Funktion, damit wir den kürzesten Abstand zwischen ihnen erhalten. Zunächst müssen wir den Numpy alias „NP“ schreiben und sie mit der Funktion linalg () verkettet. Dann verkettet wir es mit der Norm () -Funktion. Die Funktion linalg () zeigt, dass der euklidische Abstand die lineare algebraische Expression ist. Anschließend übergeben wir die Funktion Coordinate_x und Coordinate_y in der Norm () -Funktion.

Nachdem wir die gesamte Funktion aufgerufen haben, speichern wir die Funktion in einem anderen Array, das „Entfernung“ ist, damit wir die Funktion nicht immer wieder schreiben müssen. Wir können es einfach mit seinem Array -Namen anrufen. Anschließend zeigen wir das Array „Abstand“ mit der Anweisung print () an und übergeben das Array darin.

Lassen Sie uns nun die Ausgabe des zuvor erklärten Beispiels sehen, das wir implementiert haben, um die euklidische Entfernung mit der Norm () -Methode von Numpy Python zu erhalten:

Verwenden der DOT () und SQRT () -Methoden von Numpy

Bei dieser Methode nehmen wir das Punktprodukt beider Arrays und dann die Quadratwurzel dieses Produkts.

Syntax:

Lassen Sie uns nun diskutieren, wie die Methoden DOT () und SQRT () implementiert werden, um die euklidische Distanz zu erhalten. Zunächst schreiben wir den Bibliotheksnamen, den wir verwenden, der „Numpy“ ist. Dann nehmen wir das DOT. Danach nehmen wir die Quadratwurzel des Punktproduktergebnisses mit der Funktion SQRT () ein.

Rückgabewert:

Im Gegenzug erhalten wir den euklidischen Abstand zwischen Array 1 und Array 2 unter Verwendung der Funktionen DOT () und SQRT ().

Beispiel:

Lassen Sie uns ein weiteres Beispiel machen, aber diesmal verwenden wir die zweite Methode der euklidischen Entfernung, die die DOT () -Methode von Numpy ist. Jetzt importieren wir die Bibliothek, die wir verwenden, was numpy ist. Zunächst schreiben wir das Schlüsselwort "Import". Dann schreiben wir den Bibliotheksnamen "Numpy" und seinen Alias ​​"NP". Anschließend erstellen wir zwei Arrays mit der Funktion array () und zeigen sie mit der Print () -Methode an.

Dann nehmen wir den Unterschied zwischen Punkt1 und Punkt2 an. Nachdem wir den Unterschied erhalten haben, nehmen wir das Punktprodukt des Unterschieds mit der DOT () -Funktion von Numpy an. Nachdem wir das Punktprodukt erhalten haben, nehmen wir die Quadratwurzel des DOT.

Numph als NP importieren
drucken ("Implementierung von Linalg.Norm () Funktion, um den eculidischen Abstand zu finden: ")
point1 = np.Array ([7, 2, 6])
print ("\ nDie Punkt 1 ist:", Punkt1)
Punkt2 = np.Array ([3, 9, 2])
print ("Der Punkt 2 ist:", Punkt2)
Differenz = Punkt1 - Punkt2
print ("\ n der Unterschied zwischen Punkt1 und Poin2 ist:", Differenz)
DOT_PRODUCT = NP.Punkt (Differenz, Differenz)
print ("\ nDie Punktprodukt des Unterschieds ist:", dot_product)
square_root = np.SQRT (DOT_PRODUCT)
print ("\ nDie Quadratwurzel des Punktprodukts ist:", Square_root)

Schauen wir uns das Ergebnis nach der Zusammenstellung des vorherigen Programms an und sehen, was wir in der folgenden Shell bekommen:

Verwenden der Funktionen von Square () und sum () von Numpy

In dieser Methode der euklidischen Entfernung wenden wir zunächst die Square () -Funktion an. Dann führen wir die Summenfunktion für das Ergebnis der Square () -Funktion aus.

Syntax:

Hier ist die Syntax der dritten Methode der euklidischen Entfernung. Bei dieser Methode nehmen wir das Quadrat der Differenz mit der Square () -Funktion auf. Anschließend wenden wir die Funktion Sum () darauf an:

Beispiel:

Es gibt ein weiteres Beispiel, das wir auf der dritten Methode der euklidischen Entfernung implementieren. Die Numpy -Bibliothek wird zum ersten Mal importiert. Danach werden die Arrays "erster Punkt" und "zweiter Punkt" erstellt. Dann drucken wir diese Arrays mit der Anweisung print () aus.

Nachdem wir die Arrays erstellt haben. Anschließend wenden wir die Funktion SUM () auf das Ergebnis der Square () -Funktion an. Dann speichern wir die gesamte Funktion in einem anderen Array mit dem Namen "sum_and_square" und übergeben dieses neue Array an die Funktion SQRT (), um das Endergebnis der euklidischen Entfernung der beiden Punkte zu erhalten.

Numph als NP importieren
Print ("Implementierung von Summe () & SQRT (), um die euklidische Distanz zu erhalten:")
First_Point = np.Array ([7, 2, 6])
print ("\ nDie erster Punkt ist:", First_Point)
Second_Point = np.Array ([3, 9, 2])
print ("Der zweite Punkt ist:", Second_Point)
SUM_AND_SQUARE = ​​NP.Summe (NP.Square (First_Point - Second_Point))
print ("\ nDie euklidische Entfernung ist:", NP.SQRT (sum_and_square))

Hier ist die Ausgabe, die wir erhalten, indem wir die dritte Methode der euklidischen Entfernung in Numpy anwenden:

Abschluss

In diesem Artikel haben wir etwas über die euklidische Entfernung und den Finden der Entfernung zwischen zwei Punkten gelernt, indem wir zwei Arrays erstellen. Dann haben wir die verschiedenen Methoden der euklidischen Distanz gelernt und diese Methoden anhand verschiedener Beispiele mit detaillierten Erklärungen implementiert.