rowEuclidean

New in version 2.00.5.

语法

rowEuclidean(X, Y)

参数

X 和 Y 是长度相同的数值型向量/数组向量，或维度相同的矩阵。若 X 和 Y 为数组向量，它们对应位置的向量必须具有相同长度。

详情

若 X 和 Y 同时为向量/矩阵，按行计算 X 和 Y 之间的欧式距离。若 X 和 Y 同时为索引矩阵，会对齐标签，对标签相同的行进行计算，标签不同的行直接返回NULL。

若 X 和 Y 一个为向量，一个为矩阵，则向量的长度必须与矩阵的列数相同，计算向量与矩阵每一行的欧式距离。

若 X 和 Y 是数组向量，计算 X 和 Y 对应位置的向量之间的欧式距离，即 euclidean(X.row(i),Y.row(i))。

若 X 和 Y 一个为向量，一个为数组向量，计算向量与数组向量内每个向量的欧式距离。两个向量的长度相同时返回计算结果，长度不相同时返回NULL。

与所有其它聚合函数一致，计算时忽略 NULL 值。

例子

$ rowEuclidean(3.6 5.2 6.3, 8.6 4.8 5.5)
[5,0.4,0.8]

$ m=matrix(23 56 47, 112 94 59)
$ m1=matrix(11 15 89, 52 41 63)
$ rowEuclidean(m,m1)
[61.1882,67.0075,42.19]

$ m.rename!(2020.01.01..2020.01.03, `A`B)
$ m.setIndexedMatrix!()
$ m1.rename!(2020.01.01 2020.01.03 2020.01.04, `A`B)
$ m1.setIndexedMatrix!()
$ rowEuclidean(m,m1)
[61.1882,NULL,36.7151,NULL]

$ a=array(INT[],0,10)
$ a.append!([[1, 8, 9],[15, NULL], [25, 22, 13, 15]])
$ b=array(INT[],0,10)
$ b.append!([[11, 18, 6],[5, 9], [5, 2, 3, 1]])
$ rowEuclidean(a,b)
[14.4568,10,33.1059]