... x = norm(0,1).rvs(nsamples) ^ IndentationError: expected an indented block

这个错误通常表示你在代码中缺少了一个缩进。Python使用缩进来表示代码块，因此如果在代码块中缺少缩进，则会导致IndentationError错误。

以下是一个示例代码，其中缺少了一个缩进：

from scipy.stats import norm

nsamples = 1000
x = norm(0,1).rvs(nsamples)
print(x)
   # 缺少了一个缩进

在上面的示例代码中，print语句前面缺少了一个缩进，导致出现IndentationError错误。

要解决这个错误，你需要在缺少缩进的地方添加一个缩进，使其与其它代码块保持一致。下面是一个修复后的示例代码：

from scipy.stats import norm

nsamples = 1000
x = norm(0,1).rvs(nsamples)
print(x)

在上面的修复后的示例代码中，print语句与其它代码块保持一致，不再缺少缩进。

相关问题

sm = plt.cm.ScalarMappable(norm=norm, cmap=cmap)

sm = plt.cm.ScalarMappable(norm=norm, cmap=cmap) 是 Matplotlib 库中的一个函数，用于创建一个用于显示颜色映射的对象。具体地说，它的语法如下：

sm = plt.cm.ScalarMappable(norm=None, cmap=None)

其中，norm 表示用于规范化数据的 Normalize 对象（默认为 None），cmap 表示用于显示颜色映射的 Colormap 对象（默认为 None）。如果 norm 参数为 None，则使用默认的 Normalize 对象，将数据归一化到 [0, 1] 的范围内；如果 cmap 参数为 None，则使用默认的 Colormap 对象，即 viridis。返回的是一个 ScalarMappable 对象，可以使用该对象的 to_rgba() 方法将数据映射到颜色，例如：

color = sm.to_rgba(data)

其中，data 表示需要显示的数据，color 表示将 data 映射到的颜色。

np.linalg.norm(vectors, axis=0)

`np.linalg.norm(vectors, axis=0)` 是一个计算向量的范数的操作。

在这个操作中，`vectors` 表示一个向量矩阵，其中每一列都是一个向量。然后，`axis=0` 参数指定对每一列进行操作，即计算每个向量的范数。

具体来说，`np.linalg.norm(vectors, axis=0)` 将计算每个列向量的范数，生成一个与列向量个数相同的一维数组。

例如，假设有一个 3x2 的向量矩阵 `vectors`：

vectors = np.array([[1, 2],
                    [3, 4],
                    [5, 6]])

应用 `np.linalg.norm(vectors, axis=0)` 操作后，会得到一个包含两个元素的一维数组：

array([5.91607978, 7.48331477])

这里的第一个元素是列向量 `[1, 3, 5]` 的范数，第二个元素是列向量 `[2, 4, 6]` 的范数。

总结起来，`np.linalg.norm(vectors, axis=0)` 可以用来计算向量矩阵中每个列向量的范数。