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