حساب المسافة بين نقطتين في نظام ثلاثي الأبعاد باستخدام numpy

إضافة إلى الطرق التي قدمها الأستاذ وائل.
سأضيف لك طريقة هي الأسرع، حيث أنه يوجد العديد من الطرق لحسابها في بايثون و الفرق بينهم هو التعقيد الزمني.
حيث يتم استخدام الدالة (Einstein’s summation)einsum  كالتالي:

import numpy as np
point1 = numpy.array((2, 1, 2))
point2 = numpy.array((2, 1, 2))
# التابع التالي سيحسب لك المسافة من أجل نقاط أحادية وثنائية وثلاثية الأبعاد
def dist(p1, p2, metric='euclidean'):
    p1 = np.asarray(p1)
    p2 = np.atleast_2d(p2)
    p1_dim = p1.ndim
    p2_dim = p2.ndim
    if p1_dim == 1:
        p1 = p1.reshape(1, 1, p1.shape[0])
    if p1_dim >= 2:
        p1 = p1.reshape(np.prod(p1.shape[:-1]), 1, p1.shape[-1])
    if p2_dim > 2:
        p2 = p2.reshape(np.prod(p2.shape[:-1]), p2.shape[-1])
    diff = p1 - p2
    dist_arr = np.einsum('ijk,ijk->ij', diff, diff)
    if metric[:1] == 'e':
        dist_arr = np.sqrt(dist_arr)
    dist_arr = np.squeeze(dist_arr)
    return dist_arr
dist(point1,point2) # array(0.)

لاحظ التعقيد كيف يختلف من طريقة لأخرى.

يمكن باستخدام الدالة linalg.norm

import numpy
point1 = numpy.array((a, b, c))
point2 = numpy.array((x, y, z))

dist = numpy.linalg.norm(point1-point2)

أو عن طريق dot:

temp = point1 - point2

sum_sq = np.dot(temp.T, temp)
  
print(np.sqrt(sum_sq))

هذه هي الطرق للحساب في Euclidean distance