曼哈顿距离#

sklearn.metrics.pairwise.manhattan_distances(X, Y=None)[source]#

计算 X 和 Y 中向量之间的 L1 距离。

更多信息请参见用户指南.

参数：

X{array-like, sparse matrix} 形状为 (n_samples_X, n_features): 一个数组，其中每一行是一个样本，每一列是一个特征。
Y{array-like, sparse matrix} 形状为 (n_samples_Y, n_features)，默认值=None: 一个数组，其中每一行是一个样本，每一列是一个特征。如果为None，则方法使用Y=X。

返回:

distances形状为 (n_samples_X, n_samples_Y) 的ndarray: 成对的 L1 距离。

备注

当 X 和/或 Y 为 CSR 稀疏矩阵且它们尚未处于规范格式时，此函数会就地修改它们以使其成为规范格式。

示例

>>> from sklearn.metrics.pairwise import manhattan_distances
>>> manhattan_distances([[3]], [[3]])
array([[0.]])
>>> manhattan_distances([[3]], [[2]])
array([[1.]])
>>> manhattan_distances([[2]], [[3]])
array([[1.]])
>>> manhattan_distances([[1, 2], [3, 4]],         [[1, 2], [0, 3]])
array([[0., 2.],
       [4., 4.]])