python norm函数怎么使用

在Python中，norm函数可以使用numpy.linalg.norm()来计算向量或矩阵的范数。numpy.linalg.norm()函数的语法如下：

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

参数说明：

x：表示向量或矩阵。

ord：表示范数的类型，默认为None，表示计算2范数。可以设置为1、2、np.inf等其它值，分别表示计算1范数、2范数和无穷范数。

axis：表示沿着哪个轴计算范数，默认为None，表示对整个向量或矩阵计算范数。对于矩阵可以设置为0或1，分别表示按行计算范数和按列计算范数。

keepdims：表示是否保持计算范数后的维度，默认为False。

下面是一些使用numpy.linalg.norm()函数的例子：

import numpy as np# 计算向量的2范数x = np.array([1, 2, 3])norm_2 = np.linalg.norm(x)print(norm_2)   # 输出：3.7416573867739413# 计算向量的1范数norm_1 = np.linalg.norm(x, ord=1)print(norm_1)   # 输出：6.0# 计算矩阵的无穷范数matrix = np.array([[1, 2, 3], [4, 5, 6]])norm_inf = np.linalg.norm(matrix, ord=np.inf)print(norm_inf)   # 输出：15.0# 按行计算矩阵的2范数norm_2_rows = np.linalg.norm(matrix, ord=2, axis=1)print(norm_2_rows)   # 输出：[3.74165739 8.77496439]

注：需要先导入numpy库。