理解numpy向量化

Question

我遇到了使用数值向量化here计算欧几里得距离的问题。完成的计算如下：

​

​

>>> tri = np.array([[1, 1],
...                 [3, 1],
...                 [2, 3]])

>>> np.sum(tri**2, axis=1) ** 0.5  # Or: np.sqrt(np.sum(np.square(tri), 1))
array([1.4142, 3.1623, 3.6056])

所以，为了理解，我试着：

>>> np.sum(tri**2, axis=1) 
array([ 2, 10, 13])

因此，基本上，tri**2对每个元素进行平方：[[1,1],[9,1],[4,9]]。接下来，我们对每个子数组元素求和以获得[1+1, 9+1, 4+9] = [2,10,13]

然后我们取每一个的平方根。

但是我不知道在公式中我们在哪里做减法qi-pi？我还觉得我们应该得到单一的值：√((1-1)^2+(9-1)^2+(4-9)^2)=9.43

我是不是错过了一些数学知识，或者对python / numpy的理解？

Answer 1

假设您有两个表示为np.array的向量p和q

dist = np.sqrt(np.sum((q - p) ** 2))

还有一个np.linalg.norm，它计算同样的事情：

assert np.isclose(dist, np.linalg.norm(q - p))