حساب المسافة بين نقطتين في نظام ثلاثي الأبعاد باستخدام numpy

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

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.