如何不导入第三方包实现两个元组列表中点的欧氏距离批量计算

尝试1报错原因 #

• 函数内部未定义point1变量，运行时会首先触发名称错误
• Python原生不支持tuple类型直接执行减法运算，dataset1[i] - dataset2[i]是直接对两个坐标元组做减法，因此抛出类型错误
• 函数参数设计不符合需求：该函数应该接收两个单点位参数计算距离，而不是直接传入两个完整数据集

尝试2报错原因 #

• 循环逻辑错误：你用len(dataset1)作为循环上限，但dataset2长度远小于dataset1，当索引超过dataset2的最大下标时就会触发索引越界
• 业务逻辑不符：需求是dataset2每个点和dataset1所有点逐一计算距离，而你写的是按索引对位计算两个数据集的对应点距离，完全不符合需求

# 先定义两个单点之间的欧氏距离计算函数，支持任意维度点位
def calc_single_distance(point_a, point_b):
    distance = 0
    for a_coord, b_coord in zip(point_a, point_b):
        distance += (a_coord - b_coord) ** 2
    return distance ** 0.5

# 外层遍历逻辑，按需求计算所有组合的距离
def calc_all_distances(dataset1, dataset2):
    result = []
    for d2_point in dataset2:
        single_d2_distances = []
        for d1_point in dataset1:
            single_d2_distances.append(calc_single_distance(d1_point, d2_point))
        result.append(single_d2_distances)
    return result

# 样例测试
dataset1 = [(1.5, 2.4), (-7.9, 3.5), (6.3, 6.2), (8.3, 4.1), (4.1, 4.2)]
dataset2 = [(2.9, 3.0), (4.3, 2.9)]
print(calc_all_distances(dataset1, dataset2))

运行后返回的二维列表中，第一个子列表为dataset2第0个点和dataset1所有点的距离，第二个子列表为dataset2第1个点和dataset1所有点的距离，完全匹配需求。

内容的提问来源于stack exchange，提问作者user14268322