以下是使用 Python 实现闵可夫斯基距离的代码： ```python import numpy as np def minkowski_distance(a, b, p): # 计算闵可夫斯基距离 return np.power(np.sum(np.power(np.abs(a - b), p)), 1 / p) # 示例向量 a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) # 计算 p = 1, 2, 3, 4 时的距离 for p in [1, 2, 3, 4]: distance = minkowski_distance(a, b, p) print(f"当 p = {p} 时，闵可夫斯基距离为: {distance}") # 对比 p = 1, 2 时的结果 distance_p1 = minkowski_distance(a, b, 1) distance_p2 = minkowski_distance(a, b, 2) if distance_p1 == distance_p2: print("p = 1 和 p = 2 时的距离结果一致") else: print("p = 1 和 p = 2 时的距离结果不一致") ``` 额外需要注意的逻辑点： 1. 要确保输入的向量 `a` 和 `b` 的维度相同，否则计算会出错。 2. 对于 `p` 的取值，要注意其范围和合理性，避免出现异常。 3. 在实际应用中，要根据具体问题选择合适的 `p` 值来衡量距离。 [2024-11-19 22:57:31 | AI写代码神器 | 354点数解答]