题目：
二维平面上，对于坐标分别为（x1 , y1）和（x2 , y2）的两点 p、q，它们之间的曼哈顿 距离为 | x1 - x2 | + | y1 - y2 |。 给出 n 个点，猫日的作业是计算出这 n 个点中每两点之间的曼哈顿距离。但是，猫日只会计算点和点之间的直线距离。如果猫日每答对一题可以获得一块小鱼干，那么它最后能蒙对多少题？拿到多少小鱼干呢？
输入格式:

第一行包括一个正整数 n（1<=n<=50000）。

接下来有 n 行，每行两个正整数 xi 和 yi表示二维平面上点的坐标。
输出格式:

输出一个整数，为猫日蒙对的题数。数据保证答案在 int 范围内。
输入样例:

3

1 1

7 5

1 5
输出样例:

2
X1=X2,则 X1-X2=0, |Y1-Y2| =sqrt((y1-y2)^2);

Y1=Y2,同理。

所以：
#include<iostream>
using namespace std;
int a[50005],b[50005];
int main()
{
	int n,i,j,num=0;
	cin>>n;
	for(i=0;i<n;i++)
		cin>>a[i]>>b[i];
	for(i=0;i<n-1;i++)
		for(j=i+1;j<n;j++)
			if(a[i]==a[j]||b[i]==b[j])
			    num++;
	cout<<num;
	return 0;
}

欧氏距离就是我们最常用的两点之间的直线距离。
以二维空间为例，两点(x1,y1),(x2,y2)之间的欧式距离为：



曼哈顿距离则表示两个点在标准坐标系上的绝对轴距之和。
还是以二维空间为例，两点(x1,y1),(x2,y2)之间的曼哈顿距离为：


用一张图来区分一下两者



图中绿线是欧氏距离，红线是曼哈顿距离，蓝线和黄线等价于曼哈顿距离。
为什么要提出曼哈顿距离呢？

——为了简化计算。
曼哈顿距离中的距离计算公式比欧氏距离的计算公式看起来简洁很多，只需要把两个点坐标的 x 坐标相减取绝对值，y 坐标相减取绝对值，再加和。

从公式定义上看，曼哈顿距离一定是一个非负数，距离最小的情况就是两个点重合，距离为 0，这一点和欧氏距离一样。

曼哈顿距离和欧氏距离的意义相近，也是为了描述两个点之间的距离，不同的是曼哈顿距离只需要做加减法，这使得计算机在大量的计算过程中代价更低，而且会消除在开平方过程中取近似值而带来的误差。不仅如此，曼哈顿距离在人脱离计算机做计算的时候也会很方便。
参考：

https://blog.csdn.net/qq_39362996/article/details/96896568?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

计算曼哈顿距离 (Standard IO)
时间限制: 1000 ms  空间限制: 262144 KB  具体限制
题目：给出平面上两个点的坐标(x1,y1),(x2,y2)，求两点之间的曼哈顿距离。曼哈顿距离=|x1-x2|+|y1-y2|。
输入
一行四个空格隔开的实数，分别表示x1,y1,x2,y2。
输出
输出一个实数表示曼哈顿距离，保留三位小数。
样例输入
输出一个实数表示曼哈顿距离，保留三位小数。
样例输出

3.600

#include <iostream>
#include <cmath>      // 数学函数库所需头文件 
#include <iomanip>	  // 保留小数位所需有文件 

using namespace std;

int main()
{
	double x1, y1, x2, y2; 
	cin >> x1 >> y1 >> x2 >> y2;
	
	double x = abs(x1 - x2);   // 计算|x1 - x2|
	double y = abs(y1 - y2);   // 计算|y1 - y2| 
	
	double Manhattan_distance = x + y;   // 曼哈顿距离 
	
	cout << fixed << setprecision(3) << Manhattan_distance;   // 保留小数后3位 
	
	return 0;
} 

直观的讲，两点之间的曼哈顿距离满足以下三个条件：

只能走直线
“拐弯”只能是九十度
满足以上两个条件中的最短距离

假设两点坐标A(x1,y1),B(x2,y2)，那么距离公式如下：

d = |x1-x2| + |y1-y2|

如图，曼哈顿距离的路径不唯一。