Python中np.linalg.norm()用法實例總結

前言

np.linalg.norm()用於求范數,linalg本意為linear(線性) + algebra(代數),norm則表示范數。

用法

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

1.x: 表示矩陣(一維數據也是可以的~)

2.ord: 表示范數類型

向量的范數

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,然後求最大特征值得算術平方根
  • 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 含義
0 表示按列向量來進行處理,求多個列向量的范數
1 表示按行向量來進行處理,求多個行向量的范數
None 表示整個矩陣的范數

4.keepdims:表示是否保持矩陣的二位特性,True表示保持,False表示不保持,默認為False

例子

1.默認狀態下

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))

註意:嚴格來說,當 ord <= 0 時,不符合數學上的范數公式,但它仍然適用於各種數值目的。

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

到此這篇關於Python中np.linalg.norm()用法實例的文章就介紹到這瞭,更多相關Python np.linalg.norm()用法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: