### 如何使用 Python 计算两个坐标点之间的欧几里得距离 在 Python 中，可以通过多种方式来计算两个坐标点之间的欧几里得距离。以下是具体实现方法： #### 方法一：手动编写公式 欧几里得距离的定义为 \(d = \sqrt{(x_2 - x_1)^2 + (y_2 - y_1)^2}\)，可以直接通过简单的数学运算完成。 ```python import math def euclidean_distance(point1, point2): return math.sqrt((point2[0] - point1[0])**2 + (point2[1] - point1[1])**2) # 示例 point_a = (3, 4) point_b = (7, 1) distance = euclidean_distance(point_a, point_b) print(f"The Euclidean distance is {distance}") ``` 这种方法简单直观，适用于二维空间中的任意两点[^1]。 #### 方法二：利用 NumPy 库 NumPy 是一个强大的科学计算库，可以高效地处理数组和矩阵操作。对于高维数据尤其适用。 ```python import numpy as np def euclidean_distance_numpy(point1, point2): return np.linalg.norm(np.array(point1) - np.array(point2)) # 示例 point_a = [3, 4] point_b = [7, 1] distance = euclidean_distance_numpy(point_a, point_b) print(f"The Euclidean distance using NumPy is {distance}") ``` `np.linalg.norm` 函数能够自动计算向量范数，默认情况下即为 L2 范数（欧几里得距离）。此方法不仅简洁而且性能优越[^2]。 #### 方法三：SciPy 的 `scipy.spatial.distance.euclidean` 如果项目已经依赖 SciPy，则可直接调用其内置的距离度量工具。 ```python from scipy.spatial import distance def euclidean_distance_scipy(point1, point2): return distance.euclidean(point1, point2) # 示例 point_a = [3, 4] point_b = [7, 1] distance = euclidean_distance_scipy(point_a, point_b) print(f"The Euclidean distance using SciPy is {distance}") ``` 这种方式封装良好，适合快速开发场景下的需求满足[^3]。 综上所述，无论是基础的手动实现还是借助第三方库的支持，Python 提供了灵活多样的手段去解决这一经典几何问题。