numpy.linalg.norm()函数
时间: 2023-08-10 17:30:46 浏览: 68
`numpy.linalg.norm()`函数是用来计算向量或矩阵的范数的。在numpy中,我们可以使用该函数来计算一维或二维数组的范数。
对于一维数组,`numpy.linalg.norm()`函数的默认情况下会计算其二范数(即向量的长度),也可以通过指定`ord`参数来计算其他类型的范数,例如一范数(向量元素的绝对值之和)或无穷范数(向量元素的最大值)。
对于二维数组,`numpy.linalg.norm()`函数的默认情况下会计算其二范数,也可以通过指定`ord`参数来计算其他类型的范数。此外,还可以通过指定`axis`参数来沿指定的轴计算范数。
举个例子,对于一维数组a,可以通过以下代码计算其二范数:
```python
import numpy as np
a = np.array([1, 2, 3, 4])
norm_a = np.linalg.norm(a)
print(norm_a) # 输出结果为 5.477225575051661
```
对于二维数组b,可以通过以下代码计算其一范数:
```python
b = np.array([[1, -2, 3], [4, -5, 6], [-7, 8, -9]])
norm_b = np.linalg.norm(b, ord=1)
print(norm_b) # 输出结果为 17.0
```
对于二维数组c,可以通过以下代码计算其行向量的无穷范数:
```python
c = np.array([[1, 2, 3], [4, 5, 6]])
norm_c = np.linalg.norm(c, ord=np.inf, axis=1)
print(norm_c) # 输出结果为 [3. 6.]
```
以上是一些简单的例子,`numpy.linalg.norm()`函数还有许多其他的用法和参数,可以根据具体情况灵活使用。