numpy.linalg.vector_norm#

linalg.vector_norm(x, /, *, axis=None, keepdims=False, ord=2)[源代码]#

计算向量(或向量批次) x 的向量范数.

此函数与Array API兼容.

参数:
xarray_like

输入数组.

轴{None, int, 2-tuple of ints}, optional

如果是一个整数, axis 指定计算向量范数的轴(维度).如果是 n 元组, axis 指定计算批量向量范数的轴(维度). 如果为 None ,则必须对所有数组值计算向量范数(即,等效于计算扁平化数组的向量范数).默认值: None .

keepdimsbool,可选

如果设置为True,则进行范数计算的轴将保留在结果中,作为大小为1的维度.默认值:False.

ord{int, float, inf, -inf}, optional

范数的阶数. 有关详细信息,请参见 numpy.linalg.norm 中 Notes 下的表.

参见

numpy.linalg.norm

通用范数函数

示例

>>> from numpy import linalg as LA
>>> a = np.arange(9) + 1
>>> a
array([1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = a.reshape((3, 3))
>>> b
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

>>> LA.vector_norm(b)
16.881943016134134
>>> LA.vector_norm(b, ord=np.inf)
9.0
>>> LA.vector_norm(b, ord=-np.inf)
1.0

>>> LA.vector_norm(b, ord=0)
9.0
>>> LA.vector_norm(b, ord=1)
45.0
>>> LA.vector_norm(b, ord=-1)
0.3534857623790153
>>> LA.vector_norm(b, ord=2)
16.881943016134134
>>> LA.vector_norm(b, ord=-2)
0.8058837395885292
On this page