Python中np.linalg.norm()用法實例總結(jié)
前言
np.linalg.norm()用于求范數(shù)，linalg本意為linear(線性) + algebra(代數(shù))，norm則表示范數(shù)。
用法
np.linalg.norm(x, ord=None, axis=None, keepdims=False)
1.x: 表示矩陣(一維數(shù)據(jù)也是可以的~)
2.ord: 表示范數(shù)類型
向量的范數(shù)：
矩陣的向量：
- 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術(shù)平方根
- ord=∞：表示求行和的最大值
- ord=None：表示求整體的矩陣元素平方和，再開根號
3.axis：
| 參數(shù) | 含義 |
|---|---|
| 0 | 表示按列向量來進(jìn)行處理，求多個列向量的范數(shù) |
| 1 | 表示按行向量來進(jìn)行處理，求多個行向量的范數(shù) |
| None | 表示整個矩陣的范數(shù) |
4.keepdims：表示是否保持矩陣的二位特性，True表示保持，F(xiàn)alse表示不保持，默認(rèn)為False
例子
1.默認(rèn)狀態(tài)下：
import numpy as np X = [[1, 2, 3], [4, 5, 6]] print(np.linalg.norm(X))
Result：
2.改變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.改變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.改變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：嚴(yán)格來說，當(dāng) ord <= 0 時，不符合數(shù)學(xué)上的范數(shù)公式，但它仍然適用于各種數(shù)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
總結(jié)
到此這篇關(guān)于Python中np.linalg.norm()用法實例的文章就介紹到這了,更多相關(guān)Python np.linalg.norm()用法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python 將RGB圖像轉(zhuǎn)換為Pytho灰度圖像的實例
下面小編就為大家?guī)硪黄狿ython 將RGB圖像轉(zhuǎn)換為Pytho灰度圖像的實例。具有很好的參考價值。希望對大家有所幫助。一起跟隨小編過來看看吧2017-11-11
本文主要介紹了Python實現(xiàn)arctan換算角度的示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
這篇文章主要介紹了Python爬蟲獲取基金變動信息，問基于上一篇文章得內(nèi)容介紹圍繞python的相關(guān)資料展開全文，需要的小伙伴可以參考一下2022-05-05
一文弄懂Pytorch的DataLoader, DataSet, Sampler之間的關(guān)系
這篇文章主要介紹了一文弄懂Pytorch的DataLoader, DataSet, Sampler之間的關(guān)系，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
Python列表推導(dǎo)式、字典推導(dǎo)式與集合推導(dǎo)式用法實例分析
這篇文章主要介紹了Python列表推導(dǎo)式、字典推導(dǎo)式與集合推導(dǎo)式用法,結(jié)合實例形式分析了Python三種推導(dǎo)式的概念、使用方法及相關(guān)注意事項,需要的朋友可以參考下2018-02-02
本文詳細(xì)介紹了Python裝飾器的原理和使用方法,包括簡單的裝飾器、帶參數(shù)的裝飾器、原函數(shù)的傳參、保留原函數(shù)元數(shù)據(jù)以及類裝飾器,通過這些講解,讀者可以全面了解裝飾器的強大功能和應(yīng)用技巧,感興趣的朋友一起看看吧2025-02-02
Python Selenium中等待設(shè)置的實現(xiàn)
本文主要介紹了Python Selenium中等待設(shè)置的實現(xiàn),過詳實的示例代碼,深入介紹了顯式等待、隱式等待、自定義等待條件、多重等待條件、頁面加載狀態(tài)的等待、元素存在與可見性等待、Fluent等待以及異步JavaScript加載的等待,感興趣的可以了解一下2023-12-12
在本篇文章里小編給大家整理的是一篇關(guān)于python3中數(shù)組逆序輸出方法內(nèi)容，有需要的朋友們可以學(xué)習(xí)下。2020-12-12
這篇文章主要介紹了如何用Python繪制3D柱形圖，幫助大家更好的利用python實現(xiàn)數(shù)據(jù)可視化，感興趣的朋友可以了解下2020-09-09
這篇文章主要介紹了Python 字符編碼與文件處理的相關(guān)資料，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-09-09