版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/djstavaV/article/details/86882989
原文出处: https://blog.xugaoxiang.com/ai/manhattan-distance.html
软硬件环境
- ubuntu 18.04 64bit
- anaconda with python 3.6
- numpy 1.12.1
前言
维基百科上给的定义
想象你在曼哈顿，要从一个十字路口开车到另外一个十字路口，实际驾驶距离就是这个“曼哈顿距离”。而这也是曼哈顿距离名称的来源，曼哈顿距离也称为城市街区距离。
在上图中，绿线是欧几里得距离，红线是曼哈顿距离，蓝线和黄线是等价的曼哈顿距离。
二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离
两个n维向量a(x11,x12,…,x1k)与 b(x21,x22,…,x2k)间的曼哈顿距离
代码实现
#!/usr/bin/env python # -*- coding: utf-8 -*- # @Date : 2018-08-20 16:10:23 # @Author : xugaoxiang (djstava@gmail.com) # @Link : link # @Version : 1.0.0 import os import numpy as np def get_manhattan_distance(vect1, vect2): dist = np.sum(np.abs(vect1 - vect2)) # 或者使用内建方法 # dist = np.linalg.norm(vect1 - vect2, ord=1) return dist if __name__ == '__main__': vect1 = np.array([1, 2, 3]) vect2 = np.array([4, 5, 6]) dist = get_manhattan_distance(vect1, vect2) print(dist) 输出结果
9 参考资料
公众号
文章来源: https://blog.csdn.net/djstavaV/article/details/86882989