scipy.spatial.distance.

minkowski#

scipy.spatial.distance.minkowski(u, v, p=2, w=None)[source]#

计算两个一维数组之间的闵可夫斯基距离。

一维数组 u 和 v 之间的闵可夫斯基距离定义为

\[ \begin{align}\begin{aligned}{\|u-v\|}_p = (\sum{|u_i - v_i|^p})^{1/p}.\\\left(\sum{w_i(|(u_i - v_i)|^p)}\right)^{1/p}.\end{aligned}\end{align} \]

参数:

u(N,) array_like: 输入数组。
v(N,) array_like: 输入数组。
p标量: 差的范数的阶数 \({\|u-v\|}_p\)。请注意，对于 \(0 < p < 1\)，三角不等式仅在具有附加乘法因子时才成立，即它只是一个拟度量。
w(N,) array_like, 可选: u 和 v 中每个值的权重。默认值为 None，它为每个值赋予 1.0 的权重。

返回值:

minkowski双精度浮点数: 向量 u 和 v 之间的闵可夫斯基距离。

示例

>>> from scipy.spatial import distance
>>> distance.minkowski([1, 0, 0], [0, 1, 0], 1)
2.0
>>> distance.minkowski([1, 0, 0], [0, 1, 0], 2)
1.4142135623730951
>>> distance.minkowski([1, 0, 0], [0, 1, 0], 3)
1.2599210498948732
>>> distance.minkowski([1, 1, 0], [0, 1, 0], 1)
1.0
>>> distance.minkowski([1, 1, 0], [0, 1, 0], 2)
1.0
>>> distance.minkowski([1, 1, 0], [0, 1, 0], 3)
1.0