numpy.linalg.vector_norm#

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

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。

axis{None, int, 2-tuple of ints}, 可选

如果为整数,axis 指定计算向量范数的轴 (维度)。如果为 n 元组,axis 指定计算批次向量范数的轴 (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,则将对之进行归一化的轴作为大小为一的维度保留在结果中。默认值:False。

ord{1, -1, 2, -2, inf, -inf, ‘fro’, ‘nuc’}, 可选

范数的阶数。有关详细信息,请参阅 numpy.linalg.norm 中“Notes”下的表格。

另请参阅

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=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