Python中manhattan_distances()函数的使用和示例

在Python中，可以使用scikit-learn库的manhattan_distances()函数计算曼哈顿距离。曼哈顿距离是指两个点在标准坐标系上的绝对轴距总和。

manhattan_distances(X, Y=None, sum_over_features=True)

参数：

- X：array-like，表示一个数据集的点的集合。

- Y：array-like，表示另一个数据集的点的集合。如果不提供Y，则计算X中点之间的距离。

- sum_over_features：bool，默认为True，表示是否按特征求和。

返回值为一个二维数组，表示X中每个点到Y中每个点的曼哈顿距离。

下面是一个使用manhattan_distances()函数的示例：

from sklearn.metrics import manhattan_distances

# 创建两个数据集
X = [[0, 1], [2, 3]]
Y = [[4, 5], [6, 7]]

# 计算X中每个点到Y中每个点的曼哈顿距离
distances = manhattan_distances(X, Y)

print(distances)

输出结果为：

[[8. 8.]
 [4. 4.]]

在上面的示例中，我们创建了两个数据集X和Y，每个数据集包含两个点。然后，我们使用manhattan_distances()函数计算了X中每个点到Y中每个点的曼哈顿距离。最终，我们得到了一个二维数组distances，该数组表示X中每个点到Y中每个点的曼哈顿距离。

需要注意的是，manhattan_distances()函数可以接受任意形状的数组作为输入，而不仅仅是二维数组。因此，您可以根据您的需求使用这个函数进行计算。