scipy.spatial.distance.
chebyshev#
- scipy.spatial.distance.chebyshev(u, v, w=None)[source]#
计算切比雪夫距离。
实向量 \(u \equiv (u_1, \cdots, u_n)\) 和 \(v \equiv (v_1, \cdots, v_n)\) 之间的切比雪夫距离 定义为 [1]
\[d_\textrm{chebyshev}(u,v) := \max_{1 \le i \le n} |u_i-v_i|\]如果提供（非负）权重向量 \(w \equiv (w_1, \cdots, w_n)\)，则加权切比雪夫距离 定义为无穷阶的加权闵可夫斯基距离；也就是说，
\[\begin{split}\begin{align} d_\textrm{chebyshev}(u,v;w) &:= \lim_{p\rightarrow \infty} \left( \sum_{i=1}^n w_i | u_i-v_i |^p \right)^\frac{1}{p} \\ &= \max_{1 \le i \le n} 1_{w_i > 0} | u_i - v_i | \end{align}\end{split}\]- 参数:
- u(N,) 浮点型类数组
输入向量。
- v(N,) 浮点型类数组
输入向量。
- w(N,) 浮点型类数组，可选
权重向量。 默认为
None，这给所有对 \((u_i, v_i)\) 相同的权重1.0。
- 返回:
- chebyshevfloat
向量 u 和 v 之间的切比雪夫距离，可以选择由 w 加权。
参考文献
示例
>>> from scipy.spatial import distance >>> distance.chebyshev([1, 0, 0], [0, 1, 0]) 1 >>> distance.chebyshev([1, 1, 0], [0, 1, 0]) 1