没法帮你了，一点都不会呀。
为企业提供成都做网站、成都网站建设、网站优化、全网营销推广、竞价托管、品牌运营等营销获客服务。成都创新互联公司拥有网络营销运营团队，以丰富的互联网营销经验助力企业精准获客，真正落地解决中小企业营销获客难题，做到“让获客更简单”。自创立至今，成功用技术实力解决了企业“网站建设、网络品牌塑造、网络营销”三大难题，同时降低了营销成本，提高了有效客户转化率，获得了众多企业客户的高度认可！
请问 你写这个程序 总得输入数据吧？
类的方法总的有人调用吧？
什么都没有，直接输出对象的属性？
你还是在看看书吧
背景：了解机器学习算法原理时，其中KNN分类算法中提及的欧式距离。
解释：欧式距离又叫欧几里德度量。用于定义多维空间的距离。
理解：
1、首先定义在n维空间两个点X,Y的坐标分别为（ ）和（ ）：
如一维中， 和
二维中， 和
以此类推……
n维中， 和
2、由此计算两个点的欧式距离。
二维中，两点距离为：
n维中，两点距离为：
在信息编码中，两个合法代码对应位上编码不同的位数称为码距，又称海明距离。两个码字的对应比特取值不同的比特数称为这两个码字的海明距离。一个有效编码集中,任意两个码字的海明距离的最小值称为该编码集的海明距离。
海明距离的几何意义：n位的码字可以用n维空间的超立方体的一个顶点来表示。两个码字之间的海明距离就是超立方体两个顶点之间的一条边，而且是这两个顶点之间的最短距离。
欧几里得度量（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。
扩展资料：
海明距离用于编码的检错和纠错，为了检测d个错误，需要一个海明距离为d+1的编码方案。因为在这样的编码方案中，d个1位错误不可能将一个有效码字改编成另一个有效码字。当接收方看到一个无效码字的时候，它就知道已经发生了传输错误。
类似地，为了纠正d个错误，需要一个距离为2d+1的编码方案，因为在这样的编码方案中，合法码字之间的距离足够远，因而即使发生了d位变化，则还是原来的码字离它最近，从而可以确定原来的码字，达到纠错的目的。
参考资料来源：百度百科—海明距离
参考资料来源：百度百科—欧几里得度量
最直接的方式当然是用numpy.linalg.norm()来计算
参考：
这里想说的是axis参数问题：
axis为0的时候，对于二维矩阵是计算它的列向量的norm；
axis为1的时候，对于二维矩阵是计算它的行向量的norm。
这也很好理解，毕竟列是第一维，而行是第二维，故顺序如此。
另外还有一个ord参数，定义的是计算什么norm，参数列表如下：
