Comment NumPy peut-il calculer efficacement la distance euclidienne dans l'espace 3D ?

Trouver la distance euclidienne dans l'espace 3D à l'aide de NumPy

Lorsque vous traitez des points tridimensionnels, comme :

` `
a = (ax, ay, az)
b = (bx, par, bz)
``

Déterminer la distance qui les sépare devient primordial. La distance euclidienne, donnée par la formule :

``
dist = sqrt((ax-bx)^2 (ay-by)^2 (az-bz)^2)
` `

peut être calculé sans effort à l'aide de NumPy.

Pour y parvenir, exploitez la puissance de numpy.linalg.norm, comme démontré ci-dessous :

``
import numpy
a = numpy.array((ax, ay, az))
b = numpy.array(( bx, par, bz))
dist = numpy.linalg.norm(a-b)
``

La mise en garde ici réside dans le fait que le paramètre ordinal par défaut de numpy.linalg.norm (ord) est défini sur 2. Cela correspond effectivement au calcul du Distance euclidienne, qui est intrinsèquement une l2 norme.

Pour en savoir plus sur les fondements théoriques de la distance et de la norme euclidiennes, plongez dans l'ouvrage classique "Introduction à l'exploration de données".

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!