np.linalg.norm(求范数)

原文链接：https://blog.csdn.net/hqh131360239/article/details/79061535

1. 函数名字解析

　　np: numpy

　　linalg: linear(线性) + algebra(代数)

　　norm: 范数

2. 函数参数

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

　    - X：表示矩阵(也可以是一维)

　　- ord: 范数类型

                 向量的范数：

                      

 

                矩阵的范数：

                       ord = 1(列模)  : 列和的最大值

                       ord = 2(谱模)  : X^TX的最大特征值的平方根

　　　　　　 ord = ∞ (行模): 行和的最大值 

                       ord = None    : 求矩阵整体元素平方和，再开根号 (默认)

　　- axis: 处理类型

　　　　　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(默认)

　　- keeping: 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（默认）

3. 代码验证

import numpy as np
x = np.array([
[0, 3, 4],
[1, 6, 4]])
#默认参数ord=None，axis=None，keepdims=False
print("默认参数(矩阵整体元素平方和开根号，不保留矩阵二维特性)：%f"%(np.linalg.norm(x)))
print("矩阵整体元素平方和开根号，保留矩阵二维特性：%f"%(np.linalg.norm(x,keepdims=True)))
print("矩阵1范数：%f"%(np.linalg.norm(x,ord=1,keepdims=True)))
print("矩阵2范数：%f"%(np.linalg.norm(x,ord=2,keepdims=True)))
print("矩阵∞范数：%f"%(np.linalg.norm(x,ord=np.inf,keepdims=True)))
print("矩阵每个行向量求向量的2范数：%f"%(np.linalg.norm(x,axis=1,keepdims=True)))
print("矩阵每个列向量求向量的2范数：%f"%(np.linalg.norm(x,axis=0,keepdims=True)))
print("矩阵每个行向量求向量的1范数：%f"%(np.linalg.norm(x,ord=1,axis=1,keepdims=True)))