脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python np.linalg.norm()用法

Python中np.linalg.norm()用法实例总结

 更新时间：2022年07月25日 16:20:42   作者：小k同学！  
在线性代数中一个向量通过矩阵转换成另一个向量时,原有向量的大小就是向量的范数,这个变化过程的大小就是矩阵的范数,下面这篇文章主要给大家介绍了关于Python中np.linalg.norm()用法的相关资料,需要的朋友可以参考下

前言

np.linalg.norm()用于求范数，linalg本意为linear(线性) + algebra(代数)，norm则表示范数。

用法

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

1.x: 表示矩阵(一维数据也是可以的~)

2.ord: 表示范数类型

向量的范数：

矩阵的向量：

  • ord=1：表示求列和的最大值
  • ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根
  • ord=∞：表示求行和的最大值
  • ord=None：表示求整体的矩阵元素平方和，再开根号

3.axis：

参数含义
0表示按列向量来进行处理，求多个列向量的范数
1表示按行向量来进行处理，求多个行向量的范数
None表示整个矩阵的范数

4.keepdims：表示是否保持矩阵的二位特性，True表示保持，False表示不保持，默认为False

例子

1.默认状态下：

import numpy as np
X = [[1, 2, 3], [4, 5, 6]]
print(np.linalg.norm(X))

Result：

2.改变axis：

import numpy as np
X = [[1, 2, 3], [4, 5, 6]]
print(np.linalg.norm(X, axis=1))

import numpy as np
X = [[1, 2, 3], [4, 5, 6]]
print(np.linalg.norm(X, axis=0))

3.改变ord：

import numpy as np
X = [[1, 2, 3], [4, 5, 6]]
print(np.linalg.norm(X, ord=1))

import numpy as np
X = [[1, 2, 3], [4, 5, 6]]
print(np.linalg.norm(X, ord=2))

4.改变keepdims：

import numpy as np
X = [[1, 2, 3], [4, 5, 6]]
print(np.linalg.norm(X, axis=0, keepdims=True))

import numpy as np
X = [[1, 2, 3], [4, 5, 6]]
print(np.linalg.norm(X, axis=0))

注意：严格来说，当 ord <= 0 时，不符合数学上的范数公式，但它仍然适用于各种数值目的。

import numpy as np
a = np.arange(12)
print(a)
b = a.reshape((3, 4))
print(b)
print(np.linalg.norm(a))
print(np.linalg.norm(b))
print(np.linalg.norm(b, 'fro'))
print(np.linalg.norm(b, 'nuc'))

print(np.linalg.norm(a, np.inf))
print(np.linalg.norm(a, -np.inf))
print(np.linalg.norm(a, 1))

print(np.linalg.norm(b, np.inf, axis=1))
print(np.linalg.norm(b, -np.inf, axis=0))
print(np.linalg.norm(b, 1))

[ 0  1  2  3  4  5  6  7  8  9 10 11]
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
22.4944437584
22.4944437584
22.4944437584
24.3646384993
11.0
0.0
66.0
[  3.   7.  11.]
[ 0.  1.  2.  3.]
21.0

总结

到此这篇关于Python中np.linalg.norm()用法实例的文章就介绍到这了,更多相关Python np.linalg.norm()用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • Python 将RGB图像转换为Pytho灰度图像的实例

    Python 将RGB图像转换为Pytho灰度图像的实例

    下面小编就为大家带来一篇Python 将RGB图像转换为Pytho灰度图像的实例。具有很好的参考价值。希望对大家有所帮助。一起跟随小编过来看看吧
    2017-11-11
  • Python实现arctan换算角度的示例

    Python实现arctan换算角度的示例

    本文主要介绍了Python实现arctan换算角度的示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2023-03-03
  • Python爬虫获取基金变动信息

    Python爬虫获取基金变动信息

    这篇文章主要介绍了Python爬虫获取基金变动信息，问基于上一篇文章得内容介绍围绕python的相关资料展开全文，需要的小伙伴可以参考一下
    2022-05-05
  • 一文弄懂Pytorch的DataLoader, DataSet, Sampler之间的关系

    一文弄懂Pytorch的DataLoader, DataSet, Sampler之间的关系

    这篇文章主要介绍了一文弄懂Pytorch的DataLoader, DataSet, Sampler之间的关系，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-07-07
  • Python列表推导式、字典推导式与集合推导式用法实例分析

    Python列表推导式、字典推导式与集合推导式用法实例分析

    这篇文章主要介绍了Python列表推导式、字典推导式与集合推导式用法,结合实例形式分析了Python三种推导式的概念、使用方法及相关注意事项,需要的朋友可以参考下
    2018-02-02
  • python 自定义装饰器使用及原理详解(最新推荐)

    python 自定义装饰器使用及原理详解(最新推荐)

    本文详细介绍了Python装饰器的原理和使用方法,包括简单的装饰器、带参数的装饰器、原函数的传参、保留原函数元数据以及类装饰器,通过这些讲解,读者可以全面了解装饰器的强大功能和应用技巧,感兴趣的朋友一起看看吧
    2025-02-02
  • Python Selenium中等待设置的实现

    Python Selenium中等待设置的实现

    本文主要介绍了Python Selenium中等待设置的实现,过详实的示例代码,深入介绍了显式等待、隐式等待、自定义等待条件、多重等待条件、页面加载状态的等待、元素存在与可见性等待、Fluent等待以及异步JavaScript加载的等待,感兴趣的可以了解一下
    2023-12-12
  • python3中数组逆序输出方法

    python3中数组逆序输出方法

    在本篇文章里小编给大家整理的是一篇关于python3中数组逆序输出方法内容，有需要的朋友们可以学习下。
    2020-12-12
  • 如何用Python绘制3D柱形图

    如何用Python绘制3D柱形图

    这篇文章主要介绍了如何用Python绘制3D柱形图，帮助大家更好的利用python实现数据可视化，感兴趣的朋友可以了解下
    2020-09-09
  • 浅析Python 字符编码与文件处理

    浅析Python 字符编码与文件处理

    这篇文章主要介绍了Python 字符编码与文件处理的相关资料，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下
    2020-09-09

最新评论