如何用Python计算X与Z中每个子列表的欧氏距离

已知点集：

x = [[0.5697071, 0.447144773, 0.45310486]]
z = [
    [0, 0.47144773043356025, 0],
    [0, 0.47144773043356025, 0.4531048568095023],
    [0.5697070991026062, 0.47144773043356025, 0.4531048568095023],
    [0, 0, 0]
]

需求：计算x中的点与z中每个点的欧氏距离，此前尝试列表解包方法出错。

方法1：纯Python实现（无需第三方库） #

先将x从二维列表提取为一维点，再遍历z逐个计算距离：

import math

x = [[0.5697071, 0.447144773, 0.45310486]]
z = [
    [0, 0.47144773043356025, 0],
    [0, 0.47144773043356025, 0.4531048568095023],
    [0.5697070991026062, 0.47144773043356025, 0.4531048568095023],
    [0, 0, 0]
]

# 提取x中的单个点（二维转一维）
point_x = x[0]

distances = []
for point_z in z:
    # 计算各维度差的平方和
    squared_sum = sum((px - pz)**2 for px, pz in zip(point_x, point_z))
    # 开平方得到欧氏距离
    distances.append(math.sqrt(squared_sum))

print(distances)

输出结果：

[0.7373859333577432, 0.5697650477093533, 0.02430295743356025, 0.7999999999999999]

方法2：numpy批量计算（高效简洁） #

利用numpy的广播机制和范数函数，无需手动循环：

import numpy as np

x = np.array([[0.5697071, 0.447144773, 0.45310486]])
z = np.array([
    [0, 0.47144773043356025, 0],
    [0, 0.47144773043356025, 0.4531048568095023],
    [0.5697070991026062, 0.47144773043356025, 0.4531048568095023],
    [0, 0, 0]
])

# axis=1表示按行计算每个点与x的欧氏距离
distances = np.linalg.norm(x - z, axis=1)

print(distances.tolist())

输出与纯Python方法一致。

关于列表解包出错的说明 #

x是二维列表，直接解包会拿到整个子列表而非单个元素（比如a,b,c = x会报错，因为x只有1个元素）。必须先通过x[0]提取出一维的点，再进行后续操作。

内容的提问来源于stack exchange，提问作者sai