Distância euclidiana numpy

Hoje, aprendemos a calcular a distância euclidiana na linguagem Python usando a biblioteca Numpy.

Numpy é uma das bibliotecas importantes da linguagem Python, que é usada para executar as operações numéricas. Em matemática, para calcular a distância entre o ponto A e o ponto B, usamos a distância euclidiana para encontrar o caminho mais curto entre esses dois pontos.

Para encontrar o menor comprimento entre duas coordenadas, x e y do avião, usamos uma das bibliotecas Python que é usada para encontrar a distância entre essas coordenadas, que é a biblioteca Numpy.

Métodos de distância euclidiana

Temos várias abordagens para calcular a distância desses dois pontos no Python que são:

• Usando o linalg.norma () função de numpy
• Usando as funções dot () e sqrt () de Numpy
• Usando as funções Square () e Sum () de Numpy

Usando o linalg.Norma () função para calcular a distância

O primeiro método para encontrar a distância euclidiana entre as coordenadas X e Y é o Linalg.Norm () Método.

Sintaxe:

Vamos entender o estilo de implementação da função norma () de Numpy. Primeiro, sempre escrevemos o nome da biblioteca que usamos que é "Numpy". Em seguida, escrevemos o nome da função que implementamos, que é a função norma (). Mas antes de escrever a função norma (), temos que escrever a função linalg () que mostra que o método norma () é a expressão algébrica linear. Depois disso, passamos dois parâmetros.

Valor de retorno:

Em troca, obtemos a diferença entre o coordenado_x e o coordenado_y.

Exemplo:

Vamos começar a implementar nosso primeiro método, o Linalg.Norm () Função da distância euclidiana em Numpy. Abra qualquer compilador Python para implementar o código.

Escrevemos a palavra -chave "importar", que diz ao compilador que estamos importando a biblioteca. Em seguida, escrevemos o nome da biblioteca que usamos no programa que é "Numpy". Então, escrevemos o pseudônimo do Numpy, que é "np".

Então, criamos as duas matrizes para encontrar a distância. A primeira matriz é "coordenate_x" que criamos chamando a função Array () do módulo Numpy. Para exibir a matriz, usamos a instrução print () e passamos a matriz nela. Usamos o mesmo método para criar a segunda matriz “coordenate_y” e imprimi -lo usando a instrução print (). A instrução print () é a declaração predefinida da linguagem python que é usada para exibir os dados.

importar numpy como np
Print ("Implementação de Linalg.Norm () Função para encontrar a distância euclidiana: ")
coordenate_x = np.Array ([7, 2, 6])
print ("\ nA coordenada x é:", coordenate_x)
coordenate_y = np.Array ([3, 9, 2])
print ("\ nA coordenada y é:", coordenate_y)
distância = np.Linalg.norma (coordenate_x - coordenate_y)
Imprima ("\ n O caminho mais curto entre x e y é:", distância)

Depois de criar as duas matrizes, implementamos a função Norm () para obter a menor distância entre eles. Primeiro, temos que escrever o alias Numpy "NP" e concatená -lo com a função linalg (). Então, nós concatenamos com a função norma (). A função linalg () mostra que a distância euclidiana é a expressão algébrica linear. Em seguida, passamos pelo coordenado_x e coordenate_y na função norma ().

Depois de chamar toda a função, armazenamos a função em outra matriz que é "distância" para que não precisemos escrever a função repetidamente. Podemos simplesmente chamá -lo pelo nome da matriz. Em seguida, exibimos a matriz "distância" usando a instrução print () e passamos a matriz nela.

Agora, vamos ver a saída do exemplo anteriormente explicado que implementamos para obter a distância euclidiana usando o método norma () do Numpy Python:

Usando os métodos DOT () e SQRT () de Numpy

Neste método, levaremos o produto DOT de ambas as matrizes e depois pegamos a raiz quadrada desse produto.

Sintaxe:

Agora, vamos discutir como implementar os métodos DOT () e SQRT () para obter a distância euclidiana. Primeiro, escrevemos o nome da biblioteca que usamos que é "Numpy". Em seguida, tomamos o produto DOT do resultado que obtemos calculando a diferença entre ambas as matrizes usando a função DOT (). Depois disso, adotamos a raiz quadrada do resultado do produto DOT usando a função SQRT ().

Valor de retorno:

Em troca, obtemos a distância euclidiana entre as funções da matriz 1 e da matriz 2 usando as funções DOT () e SQRT ().

Exemplo:

Vamos fazer outro exemplo, mas desta vez usamos o segundo método de distância euclidiana, que é o método dot () do Numpy. Agora, importamos a biblioteca que usamos que é Numpy. Primeiro, escrevemos a palavra -chave "importar". Então, escrevemos o nome da biblioteca "Numpy" e seu alias "np". Em seguida, criamos duas matrizes usando a função Array () e as exibimos usando o método print ().

Então, tomamos a diferença entre ponto1 e ponto2. Depois de obter a diferença, tomamos o produto DOT da diferença usando a função dot () de Numpy. Depois de obter o produto DOT, pegamos a raiz quadrada do produto DOT usando a função SQRT () de Numpy e depois a exibimos usando a instrução print ().

importar numpy como np
Print ("Implementação de Linalg.Norm () Função para encontrar a distância eculidiana: ")
Point1 = np.Array ([7, 2, 6])
print ("\ nthe ponto 1 é:", ponto1)
Point2 = np.Array ([3, 9, 2])
print ("O ponto 2 é:", ponto2)
diferença = ponto1 - ponto2
Imprimir ("\ nA diferença entre Point1 e Poin2 é:", diferença)
dot_product = np.DOT (diferença, diferença)
Print ("\ n O produto DOT da diferença é:", dot_product)
square_root = np.SQRT (DOT_PRODUCT)
Print ("\ nA raiz quadrada do produto DOT é:", square_root)

Vejamos o resultado após a compilação do programa anterior e ver o que obtemos no shell seguinte:

Usando as funções Square () e Sum () de Numpy

Neste método de distância euclidiana, primeiro aplicamos a função Square (). Em seguida, executamos a função de soma no resultado da função square ().

Sintaxe:

Aqui está a sintaxe do terceiro método de distância euclidiana. Neste método, tomamos o quadrado da diferença usando a função Square (). Em seguida, aplicamos a função SUM ():

Exemplo:

Há outro exemplo que implementamos no terceiro método de distância euclidiana. A biblioteca Numpy é importada pela primeira vez. Depois disso, as matrizes "primeiro ponto" e "segundo ponto" são criadas. Em seguida, imprimimos essas matrizes usando a instrução print ().

Depois de criar as matrizes, pegamos a diferença entre Point1 e Point2 e depois aplicamos a função Square () à diferença que obtemos. Em seguida, aplicamos a função soma () ao resultado da função Square (). Em seguida, armazenamos toda a função em outra matriz chamada "sum_and_square" e passamos esta nova matriz para a função sqrt () para obter o resultado final da distância euclidiana dos dois pontos.

importar numpy como np
Print ("Implementação de Sum () e Sqrt () Função para obter a distância euclidiana:")
Primeiro_point = np.Array ([7, 2, 6])
print ("\ n O primeiro ponto é:", First_Point)
Second_Point = np.Array ([3, 9, 2])
Print ("O segundo ponto é:", Second_Point)
Sum_and_square = np.soma (np.Square (First_Point - Second_Point))
Print ("\ nA distância euclidiana é:", np.sqrt (sum_and_square))

Aqui está a saída que obtemos aplicando o terceiro método da distância euclidiana em Numpy:

Conclusão

Neste artigo, aprendemos sobre a distância euclidiana e como encontrar a distância entre dois pontos, criando duas matrizes. Em seguida, aprendemos os diferentes métodos de distância euclidiana e implementamos esses métodos através de diferentes exemplos com explicações detalhadas.