本文实例讲述了Python实现的计算马氏距离算法。分享给大家供大家参考，具体如下：

我给写成函数调用了

python实现马氏距离源代码：

# encoding: utf-8from __future__ import divisionimport sysreload(sys)sys.setdefaultencoding('utf-8')import numpy as npdef mashi_distance(x,y): print x print y #马氏距离要求样本数要大于维数，否则无法求协方差矩阵 #此处进行转置，表示10个样本，每个样本2维 X=np.vstack([x,y]) print X XT=X.T print XT #方法一：根据公式求解 S=np.cov(X) #两个维度之间协方差矩阵 SI = np.linalg.inv(S) #协方差矩阵的逆矩阵 #马氏距离计算两个样本之间的距离，此处共有4个样本，两两组合，共有6个距离。 n=XT.shape[0] d1=[] for i in range(0,n): for j in range(i+1,n): delta=XT[i]-XT[j] d=np.sqrt(np.dot(np.dot(delta,SI),delta.T)) print d d1.append(d)if __name__ == '__main__': # 第一列 x = [3, 5, 2, 8] # 第二列 y = [4, 6, 2, 4] mashi_distance(x,y)

运行结果：

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。