返回 Python 线性代数中 0 轴上向量的范数
pythonnumpyserver side programmingprogramming
要返回线性代数中矩阵或向量的范数，请使用 Python Numpy 中的 LA.norm() 方法。第一个参数 x 是输入数组。如果 axis 为 None，则 x 必须是 1-D 或 2-D，除非 ord 为 None。如果 axis 和 ord 均为 None，则将返回 x.ravel 的 2-norm。第二个参数 ord 是范数的阶数。inf 表示 numpy 的 inf 对象。默认值为 None。
第三个参数 axis(如果为整数)指定 x 的轴，沿该轴计算向量范数。如果 axis 是 2 元组，则它指定保存 2-D 矩阵的轴，并计算这些矩阵的矩阵范数。如果 axis 为 None，则返回向量范数(当 x 为 1-D 时)或矩阵范数(当 x 为 2-D 时)。默认值为 None。
如果将第 4 个参数 keepdims 设置为 True，则结果中保留了范数轴，作为大小为 1 的维度。使用此选项，结果将根据原始 x 正确广播。
步骤
首先，导入所需的库 −
import numpy as np from numpy.polynomial import linalg as LA
创建一个数组 −
arr = np.array([[ 1, 2, 3],[-1, 1, 4]])
显示数组 −
print("我们的数组...\n",arr)
检查维度 −
print("\n数组的维度...\n",arr.ndim)
获取数据类型 −
print("\n我们的数组对象的数据类型...\n",arr.dtype)
获取形状 −
print("\n我们的数组对象的形状...\n",arr.shape)
要返回线性代数中矩阵或向量的范数，请使用 Python Numpy 中的 LA.norm() 方法 −
print("\n结果...\n",LA.norm(arr, axis = 0))
示例
import numpy as np
from numpy import linalg as LA
# 创建数组
arr = np.array([[ 1, 2, 3],[-1, 1, 4]])
# 显示数组
print("我们的数组...\n",arr)
# 检查维度
print("\n数组的维度...\n",arr.ndim)
# 获取数据类型
print("\n我们的数组对象的数据类型...\n",arr.dtype)
# 获取形状
print("\n我们的数组对象的形状...\n",arr.shape)
# 要返回线性代数中矩阵或向量的范数，请使用 Python Numpy 中的 LA.norm() 方法
print("\n结果...\n",LA.norm(arr, axis = 0))
输出
我们的数组... [[ 1 2 3] [-1 1 4]] 我们的数组的维度... 2 我们的数组对象的数据类型... int64 我们的数组对象的形状... (2, 3) 结果... [1.41421356 2.23606798 5. ]
