เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คำนวณระยะทางแบบยุคลิดด้วยตนเอง

ระยะทางแบบยุคลิด (Euclidean distance) เป็นเมตริกระยะทางที่นิยมใช้มากที่สุดในสถิติ ความนิยมส่วนใหญ่มาจากความเข้าใจง่าย เนื่องจากเป็นการนำทฤษฎีบทพีทาโกรัสมาใช้ในระบบพิกัดคาร์ทีเซียน

ฝึกคำนวณด้วย NumPy ด้วยตนเอง ซึ่งโหลดไว้แล้วภายใต้ชื่อย่อมาตรฐาน np

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจจับความผิดปกติใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ลบ M ออกจาก N (หรือในทางกลับกัน) จากนั้นยกกำลังสองผลลัพธ์ แล้วบันทึกลงใน squared_diffs
  • คำนวณผลรวมของค่าความต่างลงใน sum_diffs
  • หาค่ารากที่สองของผลรวมเพื่อหาระยะทางสุดท้าย ได้แก่ dist_MN

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

M = np.array([14, 17, 18, 20, 14, 12, 19, 13, 17, 20])
N = np.array([63, 74, 76, 72, 64, 75, 75, 61, 50, 53])

# Subtract M from N and square the result
squared_diffs = ____

# Calculate the sum
sum_diffs = ____

# Find the square root
dist_MN = ____

print(dist_MN)
แก้ไขและรันโค้ด