如何计算列表中所有点的欧氏距离？代码结果异常排查

你的问题核心出在点的结构定义错误和循环/距离函数逻辑偏差两方面：

1. 点的存储结构错误：你创建的pairs是(2,4)形状的数组，仅存储了所有x坐标和所有y坐标，而非每个点的(x,y)坐标对，导致后续无法正确定位单个点。
2. 循环与距离函数逻辑错误：当前循环遍历的是x坐标数组、y坐标数组这两个对象，而非单个点；距离函数接收的是坐标数组而非点对象，计算逻辑完全偏离需求。
3. 无效计算冗余：错误的循环会产生无效的距离值，且未避免重复计算（如点A到点B和点B到点A）、点与自身的距离，最终得到错误的距离数量。

步骤1：正确定义点数组 #

将x、y坐标配对为单个点的(x,y)组合，生成(4,2)形状的数组，每一行代表一个点的完整坐标。

步骤2：修正距离函数 #

让函数接收两个点对象（每个点为长度2的数组/列表），按照欧氏距离公式计算两点间距。

步骤3：遍历不重复点对 #

通过嵌套循环控制只遍历i < j的点对，避免重复计算和自身距离，确保4个点仅生成6个有效距离。

import numpy as np
import matplotlib.pyplot as plt
import random
import math

dist = []

# 生成4个点的x、y坐标
x = [random.uniform(1, 10) for n in range(4)]
y = [random.uniform(1, 10) for n in range(4)]
plt.scatter(x, y)
plt.show()

# 正确定义点数组：每一行对应一个点的(x,y)坐标，形状为(4,2)
points = np.column_stack((x, y))

# 修正距离函数：接收两个点，计算欧氏距离
def calculate_distance(point1, point2):
    return math.sqrt((point1[0] - point2[0])**2 + (point1[1] - point2[1])**2)

# 遍历所有不重复的点对（i < j），避免重复计算
for i in range(len(points)):
    for j in range(i + 1, len(points)):
        d = calculate_distance(points[i], points[j])
        dist.append(d)

print("所有点的坐标：")
print(points)
print("\n所有两点间的欧氏距离：")
print(dist)
print(f"\n距离数量：{len(dist)}")  # 输出应为6

利用numpy广播机制，无需嵌套循环即可快速计算所有不重复点对的距离：

# 用numpy批量计算所有点对的欧氏距离
distances = np.sqrt(np.sum((points[:, np.newaxis] - points)**2, axis=2))
# 提取上三角区域（不含对角线）的距离，即所有不重复点对的结果
unique_distances = distances[np.triu_indices(len(points), k=1)]
print("\n用numpy计算的不重复距离：")
print(unique_distances)

内容的提问来源于stack exchange，提问作者Yeknic