曼哈頓距離（Manhattan Distance）

假設你要從家裡走到學校，行徑的距離肯定不會是兩點間直線的距離，肯定是要經過各種路口轉彎直走才會到達學校，而經由這種方式實際行徑的距離就是曼哈頓距離

• 二維平面兩點 與 間的曼哈頓距離
  

• 兩個n維向量 與 間的曼哈頓距離
  

用Python實現曼哈頓距離

import numpy as np


def get_dist(a, b):
    return sum(np.abs(a - b))


if __name__ == '__main__':
    a = np.array([1, 2])
    b = np.array([7, 2])
    print(get_dist(a, b)) # 6
    a = np.array([3, 4])
    b = np.array([8, 1])
    print(get_dist(a, b)) # 8

謝比雪夫距離（Chebyshev Distance）

切比雪夫距離(是L♾範數)是向量空間中的一種度量，二個點之間的距離定義為其各座標數值差的最大值，以下列棋盤為例，從f6要走到相鄰的8格不管是斜走往左走望右走都需要一步剛好也等於f6與相鄰8格的謝比雪夫距離，所以謝比雪夫距離也稱為棋盤距離

取自維基百科

• 二維平面上的兩點 與 間的謝比雪夫距離：
  

• 兩個 n 維向量 與 間的謝比雪夫距離
  

用Python實現謝比雪夫距離

import numpy as np


def get_dist(a, b):
    """
    a:  A點
    b:  B點
    """
    return np.max(np.abs(a - b))


if __name__ == '__main__':
    a = np.array([1, 2])
    b = np.array([7, 2])
    print(get_dist(a, b)) # 6
    a = np.array([3, 4])
    b = np.array([8, 1])
    print(get_dist(a, b)) # 5