Python中np.linalg.norm()用法实例总结

在Python中，我们可以使用NumPy库中的np.linalg.norm()函数来计算向量或矩阵的范数。本攻略将详讲解np.linalg.norm()函数的用法，并提供两个示例。

np.linalg.norm()函数的基本用法

np.linalg.norm()可以接受三个参数：x、ord和axis。其中，x表示要计算范数的向量或矩阵，ord表示范数的类型，axis`表示计算范数的轴。

下面是一个示例：

import numpy as np

# 创建一个二数组
arr = np.array([[1, ], [3, 4]])

# 计算二维数组的Frobenius范数
norm = np.linalg.norm(arr)

# 打印结果
print(norm)

在上面的示例中，我们首先创建了二维数组。然后我们使用np.linalg.norm()函数计算了这个二维数组的Froius范数，并将结果存储在`norm变量中。最后，我们打印出了结果。

ord参数的用法

ord参数用于指定计算范数的类型。ord可以取以下值：

• None：默认值，表示计算Frobenius范数。
• inf：表示计算向量或矩的最大值范数。
• -inf：表示计算向量或矩阵的最小值范数。
• 0：表示计算向量矩阵的零范数。
• 1：表示计算向量或矩阵的一范数。
• -1：表示计算向量或矩阵的负一范数。
• 2：表示计算向量或矩阵的二范数。
• -2：表示计算向量或矩阵的负二范数。

下面是一个示例：

import numpy as np

# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])

# 计算一维数组的一范数和二范数
norm1 = np.linalg.norm(arr, ord=1)
norm2 = np.linalg.norm(arr, ord=2)

#印结果
print(norm1)
print(norm2)

在上面的示例中，我们首先创建了一个一维数组。然后我们使用np.linalg.norm()函数分别计算了这个一维数组的一范数和二范数，并将结果存储在norm1和norm2`变量中。最后，我们打印出了结果。

axis参数的用法

axis参数用于指定计算范的轴。当x为二维数组时，axis可以取以下值：

• None：默认值，表示计算Frobenius范数。
• 0：表示计算每列的范数。
• `：表示计算每行的数。

下面是一个示例：

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2], [3, 4], [5, 6]])

# 计算每列的二范数
norm = np.linalg.norm(arr, axis=0)

# 打印结果
print(norm)

在上面示例中，我们首先创建了一个二维数组。然后我们使用np.linalg.norm()函数计算了这个二维数组每列的二范数，并将结果存储在norm变量中。最后，我们打印出了结果。

示例一：计算向量的二范数

下面是一个计算向量的范数的示例：

import numpy as np

# 创建一个一维数组
arr = np.array([1, 2, 3, 4, 5])

# 计算一维数组的二范数
norm = np.linalg.norm(arr, ord=2)

# 打印结果
print(norm)

在上面的例中，我们首先创建了一个一维数组。然后我们使用np.linalg.norm()函数计算了这个一维数组的二范数，并将结果存储在norm变量中。最后，我们打印出了结果。

示例二：计算矩阵每行的一范数

下面是一个计算矩阵每行的一范数的示例：

import numpy as

# 创建一个二维数组
 = np.array([[1, 2], [3, 4], [5, 6]])

# 计算每行的一范数
norm = np.linalg.norm(arr, ord=1, axis=1)

# 打印结果
print(norm)

在上面的示例中，我们首先创建了一个二维数组。然后我们使用np.linalg()函数计算了这个二维数组每行的一范数，并将结果存储在norm变量中。最后，我们打印出了结果。