Python math.hypot()：計算歐幾里得距離的標準做法

在二維平面幾何、向量運算、遊戲開發或資料科學中，計算兩點間的直線距離（歐幾里得距離）是極高頻需求。Python math 模組提供 hypot(x, y) 函數，直接回傳 sqrt(x² + y²)，不僅語意清晰，更能避免中間運算溢位或精度損失。本文完整說明用法、原理與實戰範例。

函數簽名

math.hypot(x: float, y: float) -> float
# Python 3.8+ 還支援多維：math.hypot(*coordinates)

• 參數：x, y - 向量分量或座標差值。
• 回傳：sqrt(x*x + y*y)，非負浮點數。
• 優勢：內部採用縮放算法，避免 x*x 溢位（大數）或精度消失（小數）。

基本範例

import math

print(math.hypot(3, 4))      # 5.0  (3-4-5 三角形)
print(math.hypot(-3, 3))     # 4.242640687119285
print(math.hypot(0, 2))      # 2.0
print(math.hypot(1e200, 1e200))  # 1.4142e+200  不會溢位

實戰應用場景

1. 兩點距離

def distance(p1, p2):
    return math.hypot(p2[0] - p1[0], p2[1] - p1[1])

print(distance((0, 0), (3, 4)))  # 5.0

2. 向量長度（模）

vec = (6, 8)
magnitude = math.hypot(*vec)  # 10.0

3. 遊戲開發：圓形碰撞檢測

def circles_collide(c1, r1, c2, r2):
    """c1, c2 為圓心座標 (x, y)"""
    return math.hypot(c2[0] - c1[0], c2[1] - c1[1]) <= (r1 + r2)

print(circles_collide((0,0), 5, (8,0), 4))  # True (距離 8 <= 9)

4. 多維擴展（Python 3.8+）

# 3D 距離
print(math.hypot(1, 2, 2))          # 3.0  (sqrt(1+4+4))
# N 維
coords = [3, 4, 0, 0, 0]
print(math.hypot(*coords))          # 5.0

與手寫 sqrt(x*x + y*y) 比較

NumPy 版本：向量化批次計算

import numpy as np

pts1 = np.array([[0,0], [1,1], [3,4]])
pts2 = np.array([[3,4], [4,5], [0,0]])
dists = np.hypot(pts2[:,0] - pts1[:,0], pts2[:,1] - pts1[:,1])
print(dists)  # [5.  5.  5.]

常見錯誤與避坑指南

• 參數順序：hypot(x, y) 對應 dx, dy 或 x, y 分量，順序不影響結果（平方和對稱）。
• 傳入負值：完全合法，平方後為正，結果相同。
• 整數引數：自動轉浮點數回傳，若需整數請自行 round() 或 int()。
• Python < 3.8 多維：請用 math.sqrt(sum(c*c for c in coords)) 或 np.linalg.norm。

一鍵計算小工具

import math, sys

if __name__ == '__main__':
    if len(sys.argv) != 3:
        print('用法: python hypot_calc.py x y')
        sys.exit(1)
    x, y = map(float, sys.argv[1:])
    print(f'hypot({x}, {y}) = {math.hypot(x, y):.6f}')

math.hypot() 是計算歐幾里得距離的「標準答案」，簡潔、穩定、高效，建議在所有專案中取代手寫平方根公式。