(np.linalg.norm) Python中np.linalg.norm()用法实例总结 NumPy库中的np.linalg.norm()函数使用简介全网首发(图文详解1)

NumPy库中的 np.linalg.norm() 是一个功能强大的函数，可以用于计算各种不同类型的范数，包括向量（1-范数、2-范数、无穷范数等）和矩阵（Frobenius范数、无穷范数等）。

使用 np.linalg.norm() 的基本语法是：

numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)

其中，’x’ 是要计算范数的输入数组，’ord’ 是范数的阶数，’axis’ 是一个整数，表示要计算的轴的方向，’keepdims’ 是一个布尔值，指定是否保留维度。

例如，一维向量的2-范数可以使用以下命令计算:

import numpy as np

x = np.array([1, 2, 3, 4, 5])
norm = np.linalg.norm(x)
print(norm)

以上代码的结果是7.4161984871，它是输入向量的元素的平方之和再开方，即根号(1^2 + 2^2 + 3^2 + 4^2 + 5^2)。

如果你希望计算二维数组（矩阵）的Frobenius范数，可以使用相同的函数如下:

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

frobenius_norm = np.linalg.norm(matrix)
print(frobenius_norm)

以上代码的结果是16.8819430161，即根号(1^2 + 2^2 + 3^2 + 4^2 + 5^2 + 6^2 + 7^2 + 8^2 + 9^2)。