寻找计算残差平方和（RSS）的NumPy/SciPy内置函数

• NumPy：np.linalg.norm
  残差平方和等价于残差向量的L2范数的平方，用np.linalg.norm可直接计算：

  import numpy as np
  rss = np.linalg.norm(df3['x'] - df3['y'], ord=2) ** 2
  

  其中ord=2指定计算L2范数，平方后得到的结果与np.sum(np.square(df3['x'] - df3['y']))完全等价。

• SciPy：scipy.spatial.distance.sqeuclidean
  该函数专门计算两个向量的平方欧氏距离，而平方欧氏距离的定义就是对应元素差的平方和，恰好匹配RSS的计算逻辑：

  from scipy.spatial.distance import sqeuclidean
  rss = sqeuclidean(df3['x'], df3['y'])
  

  无需手动执行做差、平方、求和步骤，一步即可得到结果。

• 补充：拟合场景下的RSS提取
  若你是先通过scipy.optimize.curve_fit等工具完成拟合，可从拟合返回的pcov矩阵结合自由度推导RSS，但如果仅需计算两个数组的残差平方和，上述两个函数更直接高效。

内容的提问来源于stack exchange，提问作者scriptkiddie