Distance euclidienne numpy

Aujourd'hui, nous apprenons à calculer la distance euclidienne en langue python à l'aide de la bibliothèque Numpy.

Numpy est l'une des bibliothèques importantes de la langue Python qui est utilisée pour effectuer les opérations numériques. En mathématiques, pour calculer la distance entre le point A et le point B, nous utilisons la distance euclidienne pour trouver le chemin le plus court entre ces deux points.

Pour trouver la longueur la plus courte entre deux coordonnées, X et Y de l'avion, nous utilisons l'une des bibliothèques Python qui est utilisée pour trouver la distance entre ces coordonnées qui est la bibliothèque Numpy.

Méthodes de distance euclidienne

Nous avons plusieurs approches pour calculer la distance de ces deux points dans Python qui sont:

• En utilisant le linalg.Norm () Fonction de Numpy
• En utilisant les fonctions dot () et sqrt () de Numpy
• En utilisant les fonctions carré () et sum () de Numpy

En utilisant le linalg.Fonction Norm () pour calculer la distance

La première méthode pour trouver la distance euclidienne entre les coordonnées x et y est le linalg.Méthode Norm ().

Syntaxe:

Comprenons le style de mise en œuvre de la fonction Norm () de Numpy. Tout d'abord, nous écrivons toujours le nom de la bibliothèque que nous utilisons qui est «Numpy». Ensuite, nous écrivons le nom de la fonction que nous implémentons qui est la fonction Norm (). Mais avant d'écrire la fonction Norm (), nous devons écrire la fonction linalg () qui montre que la méthode Norm () est l'expression algébrique linéaire. Après cela, nous passons deux paramètres.

Valeur de retour:

En retour, nous obtenons la différence entre le coordonnée_x et le coordonnée_y.

Exemple:

Commençons à implémenter notre toute première méthode, le Linalg.Norm () Fonction de la distance euclidienne dans Numpy. Ouvrez n'importe quel compilateur Python pour implémenter le code.

Nous écrivons le mot-clé «import» qui indique au compilateur que nous importons la bibliothèque. Ensuite, nous écrivons le nom de la bibliothèque que nous utilisons dans le programme qui est «Numpy». Ensuite, nous écrivons l'alias du Numpy qui est «NP».

Ensuite, nous créons les deux tableaux pour trouver la distance. Le premier tableau est «coordonnée_x» que nous créons en appelant la fonction Array () du module Numpy. Pour afficher le tableau, nous utilisons l'instruction PRINT () et passez le tableau dedans. Nous utilisons la même méthode pour créer le deuxième tableau «Coordonate_y» et l'imprimer à l'aide de l'instruction print (). L'instruction print () est l'instruction prédéfinie de la langue python qui est utilisée pour afficher les données.

Importer Numpy comme NP
Print ("Implémentation de Linalg.Fonction Norm () pour trouver la distance euclidienne: ")
coordonner_x = np.Array ([7, 2, 6])
print ("\ nthe coordonnée x est:", coordonnée_x)
coordonner_y = np.Array ([3, 9, 2])
print ("\ nthe coordonnée y est:", coordonnée_y)
distance = np.linalg.norme (coordonnée_x - coordonnée_y)
Imprimer ("\ n le chemin le plus court entre x et y est:", distance)

Après avoir créé les deux tableaux, nous implémentons la fonction Norm () afin que nous obtenions la distance la plus courte entre eux. Tout d'abord, nous devons écrire l'alias Numpy «NP» et le concaténer avec la fonction linalg (). Ensuite, nous le concatenons avec la fonction Norm (). La fonction linalg () montre que la distance euclidienne est l'expression algébrique linéaire. Ensuite, nous passons la coordonnée_x et coordonnée_y dans la fonction Norm ().

Après avoir appelé la fonction entière, nous stockons la fonction dans un autre tableau qui est «distance» afin que nous n'ayons pas à écrire la fonction encore et encore. Nous pouvons simplement l'appeler par son nom de tableau. Ensuite, nous affichons le tableau «Distance» à l'aide de l'instruction print () et passons le tableau dedans.

Maintenant, voyons la sortie de l'exemple précédemment expliqué que nous avons implémenté pour obtenir la distance euclidienne en utilisant la méthode Norm () de Numpy Python:

En utilisant les méthodes dot () et sqrt () de Numpy

Dans cette méthode, nous prendrons le produit DOT des deux tableaux, puis nous prenons la racine carrée de ce produit.

Syntaxe:

Maintenant, discutons de la façon de mettre en œuvre les méthodes dot () et sqrt () pour obtenir la distance euclidienne. Tout d'abord, nous écrivons le nom de la bibliothèque que nous utilisons qui est «Numpy». Ensuite, nous prenons le produit DOT du résultat que nous obtenons en calculant la différence entre les deux tableaux en utilisant la fonction DOT (). Après cela, nous prenons la racine carrée du résultat du produit DOT en utilisant la fonction SQRT ().

Valeur de retour:

En retour, nous obtenons la distance euclidienne entre le tableau 1 et le tableau 2 en utilisant les fonctions dot () et sqrt ().

Exemple:

Faisons un autre exemple, mais cette fois, nous utilisons la deuxième méthode de distance euclidienne qui est la méthode dot () de Numpy. Maintenant, nous importons la bibliothèque que nous utilisons qui est Numpy. Tout d'abord, nous écrivons le mot-clé «import». Ensuite, nous écrivons le nom de la bibliothèque «Numpy» et son alias «NP». Ensuite, nous créons deux tableaux à l'aide de la fonction Array () et les affichons à l'aide de la méthode print ().

Ensuite, nous prenons la différence entre Point1 et Point2. Après avoir obtenu la différence, nous prenons le produit DOT de la différence en utilisant la fonction DOT () de Numpy. Après avoir obtenu le produit DOT, nous prenons la racine carrée du produit DOT à l'aide de la fonction SQRT () de Numpy, puis l'affichage à l'aide de l'instruction print ().

Importer Numpy comme NP
Print ("Implémentation de Linalg.Fonction Norm () pour trouver la distance Eculidean: ")
point1 = np.Array ([7, 2, 6])
print ("\ nthe point 1 est:", point1)
point2 = np.Array ([3, 9, 2])
Print ("Le point 2 est:", point2)
différence = point1 - point2
Imprimer ("\ nhe la différence entre Point1 et Poin2 est:", différence)
dot_product = np.point (différence, différence)
Print ("\ nthe dot le produit de la différence est:", dot_product)
carré_root = np.sqrt (dot_product)
print ("\ nthe carré du produit dot est:", square_root)

Regardons le résultat après la compilation du programme précédent et voyons ce que nous obtenons dans le shell suivant:

En utilisant les fonctions carré () et sum () de Numpy

Dans cette méthode de distance euclidienne, nous appliquons d'abord la fonction carrée (). Ensuite, nous effectuons la fonction de somme sur le résultat de la fonction carrée ().

Syntaxe:

Voici la syntaxe de la troisième méthode de distance euclidienne. Dans cette méthode, nous prenons le carré de la différence en utilisant la fonction carrée (). Ensuite, nous lui appliquons la fonction sum ():

Exemple:

Il existe un autre exemple que nous mettons en œuvre sur la troisième méthode de distance euclidienne. La bibliothèque Numpy est d'abord importée. Après quoi, les tableaux «premier point» et «deuxième point» sont créés. Ensuite, nous imprimons ces tableaux à l'aide de l'instruction print ().

Après avoir créé les tableaux, nous prenons la différence entre Point1 et Point2, puis appliquons la fonction carrée () à la différence que nous obtenons. Ensuite, nous appliquons la fonction sum () au résultat de la fonction carrée (). Ensuite, nous stockons toute la fonction dans un autre tableau nommé «SUM_AND_SQUARE» et passons ce nouveau tableau à la fonction SQRT () pour obtenir le résultat final de la distance euclidienne des deux points.

Importer Numpy comme NP
Print ("Implémentation de SUM () & SQRT () Fonction pour obtenir la distance euclidienne:")
First_point = np.Array ([7, 2, 6])
print ("\ n le premier point est:", premier_point)
Second_point = np.Array ([3, 9, 2])
print ("Le deuxième point est:", second_point)
Sum_and_square = np.somme (np.carré (premier_point - second_point))
Imprimer ("\ nthe euclidienne La distance est:", np.sqrt (sum_and_square))

Voici la sortie que nous obtenons en appliquant la troisième méthode de la distance euclidienne dans Numpy:

Conclusion

Dans cet article, nous avons appris la distance euclidienne et comment trouver la distance entre deux points en créant deux tableaux. Ensuite, nous avons appris les différentes méthodes de distance euclidienne et nous avons mis en œuvre ces méthodes à travers différents exemples avec des explications détaillées.