免费欧几里得距离计算器

理解欧几里得距离

欧几里得距离是测量两点之间直线距离最常用的度量。它将勾股定理推广到任意维度，从常见的2D和3D场景到抽象的n维特征空间。本文解释了核心公式，并展示了欧几里得距离计算器如何为点（最多4D）和直线（2D）自动完成这些计算。

两点核心公式

设$p$和$q$为$n$维欧几里得空间中的两个点。它们的两点间距离由欧几里得距离公式定义：

$$d(p,q) = \sqrt{\sum_{i=1}^{n} (q_i - p_i)^2},$$

其中$p_i$和$q_i$是沿轴$i$的坐标。在二维中，它简化为$d = \sqrt{(x_2-x_1)^2 + (y_2-y_1)^2}$。在三维中变为

$$d = \sqrt{(x_2-x_1)^2 + (y_2-y_1)^2 + (z_2-z_1)^2}.$$

例如，点$(1,2,3)$和$(4,6,8)$之间的三维欧几里得距离为$\sqrt{(3)^2+(4)^2+(5)^2} = \sqrt{50} \approx 7.07$。

当涉及两个以上点（例如三个点）时，每对点单独处理：距离$d(p,q)$、$d(q,r)$和$d(p,r)$都使用同一公式计算。

涉及直线的距离（2D）

点到直线的距离

从点$(x_0,y_0)$到直线的最短距离沿垂直于给定直线的线段测量。如果直线以一般形式$ax+by+c=0$表示，则勾股距离为

$$d = \frac{|a x_0 + b y_0 + c|}{\sqrt{a^2 + b^2}}.$$

当使用斜截式$y = mx + c$时，等价公式为

$$d = \frac{|m x_0 - y_0 + c|}{\sqrt{m^2 + 1}}.$$

两条平行线之间的距离

因为平行线永不相交，所以它们之间的距离是常数。对于由$a x + b y + c_1 = 0$和$a x + b y + c_2 = 0$给出的两条平行线（$a$、$b$相同，但$c$不同），间距等于

$$d = \frac{|c_2 - c_1|}{\sqrt{a^2 + b^2}}.$$

在斜截式$y = m x + c_1$和$y = m x + c_2$中，变为

$$d = \frac{|c_2 - c_1|}{\sqrt{m^2 + 1}}.$$

这些公式对于快速确定两条铁轨、车道或偏移线之间的距离非常有用。

在机器学习中的应用

超越纯几何，N维空间距离是数据科学中基本的相似性度量。每个维度对应一个特征（如年龄、收入、像素强度）。欧几里得度量（也称为勾股距离）计算两个数据样本在该特征空间中的接近程度。它最适合实值特征，而曼哈顿距离（绝对差值之和）常用于整数或分类数据。更灵活的闵可夫斯基距离则涵盖两者。

使用坐标距离计算器

欧几里得距离计算器同时支持点和直线：

• 对于点，您可以选择维度（2D、3D或4D）。输入坐标，该工具将返回直线距离以及详细的逐步求解过程。
• 对于直线（2D），选择点到直线或线到线距离，并输入相关参数（点坐标、直线系数或斜率和截距）。

该计算器旨在为需要快速、准确的距离计算而无需手动公式工作的学生、工程师和数据分析师提供免费的在线资源。无论您需要欧几里得距离公式、几何坐标距离计算器还是机器学习中的N维空间距离，该工具都能简化整个过程。