使用numpy广播的计算方法距离矩阵

Question

我想计算（x，y，z）坐标的欧氏距离矩阵。我找到了计算（x，y）坐标的欧几里得距离矩阵的方法。

def euclidian_dist(x,y):
    diff = np.expand_dims(x, axis=1) - np.expand_dims(y, axis=0)
    distance_matrix = np.sqrt(np.sum(diff ** 2, axis=-1))
    return distance_matrix

if __name__=="__main__":
    #[[x1,y1],[x2,y2],...,[xn,yn]]
    p = np.array([[0.0, 0.0],[1., 0],[1, 1],[0, 1]])
    q = np.array([[0., 0],[1., 0],[0.3, 0.4],[0.7, 0.6]])
    euclidian_dist(p,q)

ans: array([[0.        , 1.        , 0.5       , 0.92195445],
            [1.        , 0.        , 0.80622577, 0.67082039],
            [1.41421356, 1.        , 0.92195445, 0.5       ],
            [1.        , 1.41421356, 0.67082039, 0.80622577]])

在下一步中，我想使用x，y，z坐标（[[x1，y1，z1]，[x2，y2，z2]，...，[xn，yn，zn]]）

并且要获得欧氏距离矩阵（形状：n✕n）。

您能告诉我是否知道解决方法吗？

Answer 1

您是否尝试过研究numpy.linalg.norm？

[在following thread中也使用过