python计算两点间的距离

计算两点距离在 Python 中有多种方法，我为你介绍几种最常用的方式：

方法一：使用欧几里得距离公式（最基础）

这是最直接的方法，使用数学公式：
距离 = √[(x₂ - x₁)² + (y₂ - y₁)²]

importmathdefdistance_between_points(p1,p2):"""计算两点之间的欧几里得距离"""x1,y1=p1 x2,y2=p2# 计算距离distance=math.sqrt((x2-x1)**2+(y2-y1)**2)returndistance# 示例point1=(1,2)point2=(4,6)dist=distance_between_points(point1,point2)print(f"两点{point1}和{point2}之间的距离是:{dist}")# 输出: 5.0

方法二：使用math.dist()（Python 3.8+ 推荐）

Python 3.8 及以上版本提供了内置函数math.dist()，这是最简洁的方法：

importmath point1=(1,2)point2=(4,6)# 直接计算distance=math.dist(point1,point2)print(f"距离:{distance}")# 输出: 5.0

优点：

• 代码最简洁
• 支持任意维度的点（2D、3D等）
• 性能优化过

方法三：使用 NumPy（适合大量计算）

如果你需要处理大量数据或进行科学计算，NumPy 是最佳选择：

importnumpyasnp# 方法 3.1: 使用 np.linalg.normpoint1=np.array([1,2])point2=np.array([4,6])distance=np.linalg.norm(point2-point1)print(f"距离:{distance}")# 输出: 5.0# 方法 3.2: 手动计算distance=np.sqrt(np.sum((point2-point1)**2))print(f"距离:{distance}")# 输出: 5.0# 方法 3.3: 批量计算多个点points1=np.array([[1,2],[3,4],[5,6]])points2=np.array([[4,6],[7,8],[9,10]])distances=np.linalg.norm(points2-points1,axis=1)print(f"多个距离:{distances}")# 输出: [5. 5.65685425 5.65685425]

方法四：使用 SciPy（功能最强大）

SciPy 提供了更多距离计算选项（曼哈顿距离、切比雪夫距离等）：

fromscipy.spatialimportdistance point1=(1,2)point2=(4,6)# 欧几里得距离euclidean_dist=distance.euclidean(point1,point2)print(f"欧几里得距离:{euclidean_dist}")# 曼哈顿距离 (|x2-x1| + |y2-y1|)manhattan_dist=distance.cityblock(point1,point2)print(f"曼哈顿距离:{manhattan_dist}")# 切比雪夫距离 (max(|x2-x1|, |y2-y1|))chebyshev_dist=distance.chebyshev(point1,point2)print(f"切比雪夫距离:{chebyshev_dist}")

方法五：不开方的距离（用于比较）

如果你只是需要比较距离大小，不需要实际距离值，可以省略开方操作以提高性能：

defdistance_squared(p1,p2):"""计算距离的平方（不开方）"""x1,y1=p1 x2,y2=p2return(x2-x1)**2+(y2-y1)**2point1=(1,2)point2=(4,6)point3=(5,5)dist2_1=distance_squared(point1,point2)# 25dist2_2=distance_squared(point1,point3)# 25# 比较时不需要开方ifdist2_1<dist2_2:print("point2 更近")elifdist2_1>dist2_2:print("point3 更近")else:print("距离相等")

完整示例：包含 3D 点

importmathdefcalculate_distance(p1,p2):"""支持任意维度的点"""iflen(p1)!=len(p2):raiseValueError("两点维度必须相同")# 计算各维度差值的平方和sum_of_squares=sum((a-b)**2fora,binzip(p1,p2))# 开方returnmath.sqrt(sum_of_squares)# 2D 点p1_2d=(1,2)p2_2d=(4,6)print(f"2D 距离:{calculate_distance(p1_2d,p2_2d)}")# 3D 点p1_3d=(1,2,3)p2_3d=(4,6,8)print(f"3D 距离:{calculate_distance(p1_3d,p2_3d)}")# 使用 math.dist (Python 3.8+)print(f"3D 距离 (math.dist):{math.dist(p1_3d,p2_3d)}")

性能对比建议

最推荐：如果你使用 Python 3.8+，直接用math.dist()，代码最简洁且性能好！