np.linalg.norm()函数

在jupyter notebook 中同时输入多行

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = 'all'

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

矩阵或向量范数。此函数能够返回八个不同矩阵规范之一，或无数个向量规范（如下所述）之一，具体取决于在ord参数的值上。

参数

• x : 输入的数组，必须为一维或者二维
• ord : {non-zero int, inf, -inf, ‘fro’, ‘nuc’}, 可选

ord	norm for matrices	norm for vectors
None	Frobenius norm	2-norm
‘fro’	Frobenius norm	–
‘nuc’	nuclear norm	–
inf	max(sum(abs(x), axis=1))	max(abs(x))
-inf	min(sum(abs(x), axis=1))	min(abs(x))
0	–	sum(x != 0)
1	max(sum(abs(x), axis=0))	as below
-1	min(sum(abs(x), axis=0))	as below
2	2-norm (largest sing. value)	as below
-2	smallest singular value	as below
other	–	sum(abs(x)ord)(1./ord)

• axis : 可选. 如果axis是整数，则指定要沿其移动的x轴计算向量范数。 如果axis是2元组，则指定保持二维矩阵的轴，以及这些矩阵的矩阵范数计算。 如果axis为None，则为向量范数（当x是1-D）或返回矩阵范数（当x是2-D时）。
  axis=1表示按行向量处理，求多个行向量的范数
  axis=0表示按列向量处理，求多个列向量的范数
  axis=None表示矩阵范数。

• keepdims : 布尔值，可选.是否保持矩阵的二维特性。True表示保持矩阵的二维特性，False相反

返回值

浮点数或ndarray，矩阵或向量的范数。

实例一

import numpy as np 
a = np.arange(9)