调用sklearn的euclidean_distances计算欧氏距离报2D数组错误如何解决

报错原因 #

sklearn.metrics.pairwise.euclidean_distances要求输入的两个参数均为二维数组，你当前使用的middle_point维度为(4,)属于一维数组，因此触发参数校验报错。

修复方法 #

方法1：适配sklearn接口调整维度 #

按照报错提示，单个样本点使用reshape(1, -1)转换为二维数组即可：

from sklearn.metrics.pairwise import euclidean_distances
import numpy as np

# 转换middle_point为shape (1,4)的二维数组
center_distances = euclidean_distances(X, middle_point.reshape(1, -1))
# 输出默认是shape (150,1)的二维数组，如果需要一维结果可调用flatten()
center_distances = center_distances.flatten()

方法2：直接用Numpy广播计算（更简便） #

不需要引入sklearn接口，直接利用Numpy的广播机制计算，无需主动调整维度，得到的结果直接是每个样本到中心点的距离一维数组：

import numpy as np

center_distances = np.sqrt(np.sum((X - middle_point) ** 2, axis=1))

内容的提问来源于stack exchange，提问作者Joseph_