Distanza euclidea numpy

Oggi impariamo come calcolare la distanza euclidea in linguaggio Python usando la biblioteca numpy.

Numpy è una delle biblioteche importanti del linguaggio Python che viene utilizzato per eseguire le operazioni numeriche. In matematica, per calcolare la distanza tra il punto A e il punto B, usiamo la distanza euclidea per trovare il percorso più breve tra questi due punti.

Per trovare la lunghezza più breve tra due coordinate, xey del piano, usiamo una delle librerie Python che viene utilizzata per trovare la distanza tra queste coordinate che è la libreria numpy.

Metodi di distanza euclidea

Abbiamo più approcci per calcolare la distanza di questi due punti in Python che sono:

• Usando il linalg.Norm () funzione di numpy
• Usando le funzioni dot () e sqrt () di numpy
• Usando le funzioni quadrate () e sum () di numpy

Usando il linalg.Norm () funzione per calcolare la distanza

Il primo metodo per trovare la distanza euclidea tra le coordinate X e Y è il Linalg.metodo norm ().

Sintassi:

Comprendiamo lo stile di implementazione della funzione Norm () di Numpy. Innanzitutto, scriviamo sempre il nome della libreria che usiamo che è "numpy". Quindi, scriviamo il nome della funzione che implementiamo che è la funzione norm (). Ma prima di scrivere la funzione Norm (), dobbiamo scrivere la funzione Linalg () che mostra che il metodo Norm () è l'espressione algebrica lineare. Dopo questo, passiamo due parametri.

Valore di ritorno:

In cambio, otteniamo la differenza tra coordinate_x e coordinate_y.

Esempio:

Iniziamo a implementare il nostro primo metodo, The Linalg.Norm () funzione della distanza euclidea in numpy. Apri qualsiasi compilatore Python per implementare il codice.

Scriviamo la parola chiave "importazione" che dice al compilatore che stiamo importando la libreria. Quindi, scriviamo il nome della libreria che utilizziamo nel programma che è "numpy". Quindi, scriviamo l'alias del numpy che è "NP".

Quindi, creiamo i due array per trovare la distanza. Il primo array è "coordinate_x" che creiamo chiamando la funzione array () del modulo numpy. Per visualizzare l'array, utilizziamo l'istruzione print () e passiamo l'array. Usiamo lo stesso metodo per creare il secondo array "coordinate_y" e stamparlo utilizzando l'istruzione print (). L'istruzione Print () è la dichiarazione predefinita del linguaggio Python che viene utilizzato per visualizzare i dati.

Importa Numpy come NP
Stampa ("Implementazione di Linalg.Norm () funzione per trovare la distanza euclidea: ")
coordinate_x = np.Array ([7, 2, 6])
print ("\ nthe coordinate x is:", coordinate_x)
coordinate_y = np.Array ([3, 9, 2])
print ("\ nthe coordinate y is:", coordinate_y)
distanza = np.linalg.Norm (coordinate_x - coordinate_y)
print ("\ n il percorso più breve tra xey è:", distanza)

Dopo aver creato entrambi gli array, implementiamo la funzione Norm () in modo da ottenere la distanza più breve tra loro. Innanzitutto, dobbiamo scrivere l'alias numpy "np" e concatenarlo con la funzione linalg (). Quindi, lo concateniamo con la funzione Norm (). La funzione Linalg () mostra che la distanza euclidea è l'espressione algebrica lineare. Quindi, passiamo la funzione coordinate_x e coordinate_y nella funzione norm ().

Dopo aver chiamato l'intera funzione, archiviamo la funzione in un altro array che è "distanza" in modo da non dover scrivere la funzione ancora e ancora. Possiamo semplicemente chiamarlo con il suo nome di array. Quindi, visualizziamo l'array "Distanza" usando l'istruzione print () e passiamo l'array in essa.

Ora, vediamo l'output dell'esempio precedentemente spiegato che abbiamo implementato per ottenere la distanza euclidea usando il metodo Norm () di Numpy Python:

Usando i metodi dot () e sqrt () di numpy

In questo metodo, prenderemo il prodotto DOT di entrambi gli array e poi prendiamo la radice quadrata di quel prodotto.

Sintassi:

Ora, discutiamo di come implementare i metodi dot () e sqrt () per ottenere la distanza euclidea. Innanzitutto, scriviamo il nome della libreria che usiamo che è "numpy". Quindi, prendiamo il prodotto DOT del risultato che otteniamo calcolando la differenza tra i due array usando la funzione dot (). Dopo questo, prendiamo la radice quadrata del risultato del prodotto DOT usando la funzione SQRT ().

Valore di ritorno:

In cambio, otteniamo la distanza euclidea tra l'array 1 e l'array 2 usando le funzioni Dot () e SQRT ().

Esempio:

Facciamo un altro esempio, ma questa volta utilizziamo il secondo metodo di distanza euclidea che è il metodo dot () di numpy. Ora, importiamo la libreria che utilizziamo che è numpy. Innanzitutto, scriviamo la parola chiave "importazione". Quindi, scriviamo il nome della libreria "Numpy" e il suo alias "NP". Quindi, creiamo due array usando la funzione array () e li visualizziamo usando il metodo print ().

Quindi, prendiamo la differenza tra Point1 e Point2. Dopo aver ottenuto la differenza, prendiamo il prodotto DOT della differenza usando la funzione dot () di numpy. Dopo aver ottenuto il prodotto DOT, prendiamo la radice quadrata del prodotto punto usando la funzione sqrt () di numpy e quindi visualizziamo usando l'istruzione print ().

Importa Numpy come NP
Stampa ("Implementazione di Linalg.Norm () funzione per trovare la distanza eculidea: ")
POINT1 = np.Array ([7, 2, 6])
print ("\ nthe point 1 è:", point1)
punto2 = np.Array ([3, 9, 2])
Stampa ("Il punto 2 è:", punto2)
Differenza = Point1 - Point2
print ("\ n la differenza tra punto1 e Poin2 è:", differenza)
dot_product = np.punto (differenza, differenza)
print ("\ nthe dot Product of Difference è:", Dot_Product)
Square_root = np.sqrt (dot_product)
print ("\ n la radice quadrata del prodotto dot è:", Square_root)

Diamo un'occhiata al risultato dopo la compilazione del programma precedente e vediamo cosa otteniamo nella seguente shell:

Usando le funzioni quadrate () e sum () di numpy

In questo metodo di distanza euclidea, applichiamo prima la funzione quadrata (). Quindi, eseguiamo la funzione di somma sul risultato della funzione quadrata ().

Sintassi:

Ecco la sintassi del terzo metodo di distanza euclidea. In questo metodo, prendiamo il quadrato della differenza usando la funzione quadra (). Quindi, applichiamo la funzione Sum ():

Esempio:

C'è un altro esempio che implementiamo sul terzo metodo di distanza euclidea. La biblioteca numpy viene importata per la prima volta. Dopo di che vengono creati gli array "primo punto" e "secondo punto". Quindi, stampiamo questi array usando l'istruzione print ().

Dopo aver creato gli array, prendiamo la differenza tra Point1 e Point2 e quindi applichiamo la funzione Square () alla differenza che otteniamo. Quindi, applichiamo la funzione Sum () al risultato della funzione quadrata (). Quindi, archiviamo l'intera funzione in un altro array chiamato "Sum_and_square" e passiamo questo nuovo array alla funzione sqrt () per ottenere il risultato finale della distanza euclidea dei due punti.

Importa Numpy come NP
Print ("Implementation of Sum () & Sqrt () Funzione per ottenere la distanza euclidea:")
First_point = np.Array ([7, 2, 6])
print ("\ n il primo punto è:", First_point)
Second_point = np.Array ([3, 9, 2])
print ("Il secondo punto è:", second_point)
Sum_and_square = np.somma (np.Square (first_point - second_point))
print ("\ nthe la distanza euclidea è:", NP.sqrt (sum_and_square))

Ecco l'output che otteniamo applicando il terzo metodo della distanza euclidea in numpy:

Conclusione

In questo articolo, abbiamo appreso della distanza euclidea e di come trovare la distanza tra due punti creando due array. Quindi, abbiamo imparato i diversi metodi di distanza euclidea e abbiamo implementato questi metodi attraverso diversi esempi con spiegazioni dettagliate.