Comment calculer efficacement la distance euclidienne dans l'espace 3D à l'aide de NumPy ?

Calcul de la distance euclidienne avec NumPy

Vous recevez deux points dans l'espace 3D, représentés sous forme de tableaux NumPy a et b. Votre objectif est de calculer la distance euclidienne entre ces points.

La distance euclidienne entre deux points est calculée à l'aide de la formule suivante :

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

Pour calculer cette distance avec NumPy, vous pouvez utiliser la fonction numpy.linalg.norm. Cette fonction calcule la norme du vecteur, qui est la longueur du vecteur. La distance euclidienne entre deux points est simplement la norme l2 de leur différence.

Vous pouvez donc calculer la distance comme suit :

import numpy

a = numpy.array((ax, ay, az))
b = numpy.array((bx, by, bz))

dist = numpy.linalg.norm(a - b)

La fonction numpy.linalg.norm prend un vecteur en entrée et renvoie sa norme. La valeur par défaut du paramètre ord dans cette fonction est 2, ce qui correspond à la norme l2, également connue sous le nom de distance euclidienne.

Pour une compréhension plus approfondie de la distance euclidienne et de sa relation avec le l2 norme, référez-vous à l'extrait du livre "Introduction to Data Mining".

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!