Scipy cdist计算向量间最大距离出错，求解决建议

你的代码存在两个关键问题：

1. 多余的np.max：u和v是单个向量，计算np.sqrt(((u-v)**2).sum())得到的是一个标量（两个向量的欧氏距离），对单个标量调用np.max不会改变结果，完全没必要添加这一层。
2. 若目标是「最大坐标差距离（切比雪夫距离）」：你的计算逻辑完全错误。切比雪夫距离是两个向量对应元素差的绝对值的最大值，而非欧氏距离的max（欧氏距离本身就是标量）。

修正方案 #

情况1：计算欧氏距离（L2距离） #

直接移除多余的np.max即可，或者更高效地使用Scipy内置的'euclidean'参数：

# 自定义lambda写法
dm = cdist(XA, XB, lambda u, v: np.sqrt(((u - v)**2).sum()))
# 更高效的内置参数写法（推荐）
dm = cdist(XA, XB, 'euclidean')

情况2：计算切比雪夫距离（最大坐标差，即你所说的「最大距离」） #

需修改计算逻辑，取向量元素差的绝对值的最大值，同样有内置参数可用：

# 自定义lambda写法
dm = cdist(XA, XB, lambda u, v: np.max(np.abs(u - v)))
# 更高效的内置参数写法（推荐）
dm = cdist(XA, XB, 'chebyshev')

额外提示 #

Scipy的cdist内置了多种常用距离度量（如曼哈顿、闵可夫斯基等），使用内置参数比自定义lambda函数效率更高，还能避免手动计算的逻辑错误，优先推荐使用。

内容的提问来源于stack exchange，提问作者TravellingSalesman12344