Numpy euklidisk avstand

I dag lærer vi hvordan du beregner den euklidiske avstanden på Python -språket ved hjelp av Numpy Library.

Numpy er et av de viktige bibliotekene i Python -språket som brukes til å utføre de numeriske operasjonene. I matematikk, for å beregne avstanden mellom punkt A og punkt B, bruker vi den euklidiske avstanden for å finne den korteste banen mellom disse to punktene.

For å finne den korteste lengden mellom to koordinater, X og Y av flyet, bruker vi et av Python -bibliotekene som brukes til å finne avstanden mellom disse koordinatene som er Numpy Library.

Metoder for euklidisk avstand

Vi har flere tilnærminger til å beregne avstanden til disse to punktene i Python som er:

• Bruke linjen.Norm () funksjon av numpy
• Bruke dot () og sqrt () funksjonene til numpy
• Ved hjelp av firkantet () og sum () funksjoner av numpy

Bruke linjen.Norm () Funksjon for å beregne avstanden

Den første metoden for å finne den euklidiske avstanden mellom X- og Y -koordinatene er linjen.Norm () Metode.

Syntaks:

La oss forstå implementeringsstilen til Norm () -funksjonen til Numpy. Først skriver vi alltid biblioteknavnet som vi bruker som er "numpy". Deretter skriver vi funksjonsnavnet som vi implementerer som er Norm () -funksjonen. Men før vi skriver Norm () -funksjonen, må vi skrive Lining () -funksjonen som viser at Norm () -metoden er det lineære algebraiske uttrykket. Etter dette passerer vi to parametere.

Returverdi:

Til gjengjeld får vi forskjellen mellom koordinat_x og koordinat_y.

Eksempel:

La oss begynne å implementere vår aller første metode, ling.Norm () Funksjon av euklidisk avstand i numpy. Åpne hvilken som helst Python -kompilator for å implementere koden.

Vi skriver nøkkelordet "import" som forteller kompilatoren at vi importerer biblioteket. Deretter skriver vi biblioteknavnet som vi bruker i programmet som er "numpy". Deretter skriver vi aliaset til Numpy som er "NP".

Deretter oppretter vi de to matriser for å finne avstanden. Den første array. For å vise matrisen bruker vi PRINT () uttalelsen og passerer matrisen i den. Vi bruker den samme metoden for å lage den andre matrisen “Coordinate_y” og skrive ut den ved hjelp av PRINT () -klæringen. Utskrift () -uttalelsen er den forhåndsdefinerte uttalelsen av Python -språket som brukes til å vise dataene.

Importer numpy som NP
trykk ("Implementering av ling.Norm () Funksjon for å finne den euklidiske avstanden: ")
koordinat_x = np.Array ([7, 2, 6])
print ("\ n the coordinate x er:", koordinat_x)
koordinat_y = np.Array ([3, 9, 2])
print ("\ n the coordinate y er:", koordinat_y)
Avstand = NP.Lining.Norm (koordinat_x - koordinat_y)
trykk ("\ n den korteste banen mellom x og y er:", avstand)

Etter å ha opprettet begge matriser, implementerer vi Norm () -funksjonen slik at vi får den korteste avstanden mellom dem. Først må vi skrive det numpy aliaset “NP” og sammenkoble det med Lining () -funksjonen. Deretter sammenkobler vi det med Norm () -funksjonen. Lining () -funksjonen viser at den euklidiske avstanden er det lineære algebraiske uttrykket. Deretter passerer vi koordinat_x og koordinat_y i Norm () -funksjonen.

Etter å ha ringt hele funksjonen, lagrer vi funksjonen i en annen matrise som er "avstand" slik at vi ikke trenger å skrive funksjonen igjen og igjen. Vi kan bare bare kalle det ved sitt array -navn. Deretter viser vi "avstand" -arrayen ved hjelp av setningen () og passerer matrisen i den.

La oss nå se utgangen fra det tidligere forklarte eksemplet som vi implementerte for å få den euklidiske avstanden ved å bruke Norm () -metoden til Numpy Python:

Bruke dot () og sqrt () metoder for numpy

I denne metoden vil vi ta prikkproduktet fra begge matriser, og så tar vi kvadratroten av det produktet.

Syntaks:

La oss nå diskutere hvordan vi implementerer DOT () og SQRT () -metodene for å få den euklidiske avstanden. Først skriver vi biblioteknavnet som vi bruker som er "numpy". Deretter tar vi prikkproduktet av resultatet som vi får ved å beregne forskjellen mellom begge matriser ved å bruke dot () -funksjonen. Etter dette tar vi kvadratroten av DOT -produktresultatet ved hjelp av SQRT () -funksjonen.

Returverdi:

Til gjengjeld får vi den euklidiske avstanden mellom Array 1 og Array 2 ved hjelp av DOT () og SQRT () -funksjonene.

Eksempel:

La oss gjøre et annet eksempel, men denne gangen bruker vi den andre metoden for euklidisk avstand, som er dot () -metoden for numpy. Nå importerer vi biblioteket som vi bruker som er numpy. Først skriver vi nøkkelordet "import". Deretter skriver vi biblioteknavnet “Numpy” og dets alias “NP”. Deretter oppretter vi to matriser ved hjelp av array () -funksjonen og viser dem ved hjelp av print () -metoden.

Deretter tar vi forskjellen mellom punkt1 og punkt2. Etter å ha fått forskjellen, tar vi prikkproduktet av forskjellen ved å bruke dot () -funksjonen til numpy. Etter å ha fått prikkproduktet, tar vi kvadratroten til prikkproduktet ved hjelp av SQRT () -funksjonen til Numpy og viser den deretter ved hjelp av PRINT () -klæringen.

Importer numpy som NP
trykk ("Implementering av ling.Norm () Funksjon for å finne den eculidiske avstanden: ")
punkt1 = np.Array ([7, 2, 6])
Print ("\ N Punkt 1 er:", punkt1)
punkt2 = np.Array ([3, 9, 2])
Print ("Punktet 2 er:", punkt2)
Forskjell = punkt1 - punkt2
Print ("\ N Difference Mellom punkt1 og Poin2 er:", Forskjell)
dot_product = np.prikk (forskjell, forskjell)
print ("\ n the dot produkt av forskjell er:", dot_product)
Square_root = np.SQRT (DOT_PRODUCT)
Print ("\ n the Square Root of Dot Product er:", Square_root)

La oss se på resultatet etter samlingen av det forrige programmet og se hva vi får i følgende skall:

Ved hjelp av firkantet () og sum () funksjoner av numpy

I denne metoden for euklidisk avstand bruker vi først firkantet () -funksjonen. Deretter utfører vi sumfunksjonen på resultatet av firkantet () -funksjonen.

Syntaks:

Her er syntaks for den tredje metoden for euklidisk avstand. I denne metoden tar vi kvadratet med forskjellen ved hjelp av firkantet () -funksjonen. Deretter bruker vi sum () -funksjonen på den:

Eksempel:

Det er et annet eksempel som vi implementerer på den tredje metoden for euklidisk avstand. Det numpy biblioteket importeres først. Deretter opprettes matriser “First Point” og “Second Point”. Deretter skriver vi ut disse matriser ved hjelp av setningen ().

Etter å ha opprettet matriser, tar vi forskjellen mellom punkt1 og punkt2 og bruker deretter firkantet () -funksjonen på forskjellen vi får. Deretter bruker vi sum () -funksjonen på resultatet av firkantet () -funksjonen. Deretter lagrer vi hele funksjonen i en annen matrise som heter “SUM_AND_SQUARE” og gir denne nye matrisen til SQRT () -funksjonen for å få det endelige resultatet av den euklidiske avstanden til de to punktene.

Importer numpy som NP
Print ("Implementering av sum () & SQRT () -funksjon for å få den euklidiske avstanden:")
First_point = np.Array ([7, 2, 6])
Print ("\ N det første punktet er:", First_point)
Second_Point = NP.Array ([3, 9, 2])
Print ("Det andre poenget er:", Second_point)
Sum_and_square = np.Sum (NP.Square (First_point - Second_Point))
trykk ("\ N -euklidisk avstand er:", NP.SQRT (SUM_AND_SQUARE))

Her er utgangen vi får ved å bruke den tredje metoden for den euklidiske avstanden i Numpy:

Konklusjon

I denne artikkelen lærte vi om euklidisk avstand og hvordan du finner avstanden mellom to punkter ved å lage to matriser. Deretter lærte vi de forskjellige metodene for euklidisk avstand, og vi implementerte disse metodene gjennom forskjellige eksempler med detaljerte forklaringer.