无名阁,只为技术而生。流水不争先,争的是滔滔不绝。

(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)

前沿技术 Micheal 6个月前 (06-01) 80次浏览 已收录 扫描二维码

(np.linalg.norm) Python中np.linalg.norm()用法实例总结

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)。

以上就是一些 np.linalg.norm() 的基本用法。这个函数非常灵活,可以适应许多不同的情况和需要。希望这个答案对你有所帮助!
(regexbuddy) regexbuddy正则表达式测试工具使用方法(图文) RegexBuddy工具简介 全网首发(图文详解1)
(python list 删除) Python 删除List元素的三种方法remove、pop、del 删除列表(List)元素的三种常用方法 全网首发(图文详解1)

喜欢 (0)
[]
分享 (0)
关于作者:
流水不争先,争的是滔滔不绝