如何使用Numpy库中的np.linalg.norm函数计算向量第二范数，并传入向量参数？

本文共计333个文字，预计阅读时间需要2分钟。

pythonimport numpy as np

x=np.array([[0, 3, 4], [2, 6, 4]])y=np.linalg.norm(x, axis=1, keepdims=True)z=x / y + x

输出结果：y 为 x 中行向量的二范数，z 为 x 的行向量

求取向量二范数，并求取单位向量（行向量计算）

import numpy as np
x=np.array([[0, 3, 4], [2, 6, 4]])

y=np.linalg.norm(x, axis=1, keepdims=True)

z=x/y

x 为需要求解的向量， y为x中行向量的二范数， z的行向量为x的行方向的单位向量。

np.linalg.norm

顾名思义，linalg=linear+algebra，norm则表示范数，

首先需要注意的是范数是对向量（或者矩阵）的度量，是一个标量（scalar）：

首先​​help(np.linalg.norm)​​查看其文档：

norm(x, ord=None, axis=None, keepdims=False)

ord 为设置具体范数值， axis 向量的计算方向， keepdims 设置是否保持维度不变

范数理论的一个推论:

L1 >= L2 >= L∞

ℓ1≥ℓ2≥ℓ

其中二范数的一个等价方法：

import numpy as np

x=np.array([[0, 3, 4], [2, 6, 4]])

y2=np.sum(x**2, axis=1, keepdims=True)**0.5

z2=x/y2