python numpy.linalg.norm函数的使用及说明

目录
  • numpy.linalg.norm函数的使用
  • np.linalg.norm()函数用法
  • 总结

numpy.linalg.norm函数的使用

1、linalg = linear（线性）+ algebra（代数），norm则表示范数。

首先需要注意的是范数是对向量（或者矩阵）的度量，是一个标量（scalar）：

2、函数参数

x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)
  • x: 表示矩阵（也可以是一维）
  • ord：范数类型

>>> x = np.array([3, 4])
>>> np.linalg.norm(x)
5.
>>> np.linalg.norm(x, ord=2)
5.
>>> np.linalg.norm(x, ord=1)
7.
>>> np.linalg.norm(x, ord=np.inf)
4

范数理论的一个推论：

np.linalg.norm()函数用法

linalg=linear（线性）+algebra（代数），norm则表示范数。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。

赞 (0)

相关推荐

  • Python中np.linalg.norm()用法实例总结

    Python中np.linalg.norm()用法实例总结

    目录 前言 用法 总结 前言 np.linalg.norm()用于求范数,linalg本意为linear(线性) + algebra(代数),norm则表示范数. 用法 np.linalg.norm(x, ord=None, axis=None, keepdims=False) 1.x: 表示矩阵(一维数据也是可以的~) 2.ord: 表示范数类型 向量的范数: 矩阵的向量: ord=1:表示求列和的最大值 ord=2:|λE-ATA|=0,求特征值,然后求最大特征值得算术平方根 ord=∞:表

  • 计算Python Numpy向量之间的欧氏距离实例

    计算Python Numpy向量之间的欧氏距离,已知vec1和vec2是两个Numpy向量,欧氏距离计算如下: import numpy dist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2))) 或者直接: dist = numpy.linalg.norm(vec1 - vec2) 补充知识:Python中计算两个数据点之间的欧式距离,一个点到数据集中其他点的距离之和 如下所示: 计算数两个数据点之间的欧式距离 import numpy as

  • numpy基础教程之np.linalg

    numpy基础教程之np.linalg

    前言 numpy.linalg模块包含线性代数的函数.使用这个模块,可以计算逆矩阵.求特征值.解线性方程组以及求解行列式等.本文讲给大家介绍关于numpy基础之 np.linalg的相关内容,下面话不多说了,来一起看看详细的介绍吧 (1)np.linalg.inv():矩阵求逆 (2)np.linalg.det():矩阵求行列式(标量) np.linalg.norm 顾名思义,linalg=linear+algebra linalg=linear+algebra\mathrm{linalg=li

  • python numpy.linalg.norm函数的使用及说明

    目录 numpy.linalg.norm函数的使用 np.linalg.norm()函数用法 总结 numpy.linalg.norm函数的使用 1.linalg = linear(线性)+ algebra(代数),norm则表示范数. 首先需要注意的是范数是对向量(或者矩阵)的度量,是一个标量(scalar): 2.函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) x: 表示矩阵(也可以是一维) ord:范数类

  • Python NumPy中diag函数的使用说明

    NumPy包中的内置diag函数很有意思. 假设创建一个1维数组a,和一个3*3数组b: import numpy as np a = np.arange(1, 4) b = np.arange(1, 10).reshape(3, 3) 结果如下: >>> a array([1, 2, 3]) >>> b array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) 使用diag函数,看一看结果: >>> np.diag(a) ar

  • Python numpy中矩阵的基本用法汇总

    Python numpy中矩阵的基本用法汇总

    Python矩阵的基本用法 mat()函数将目标数据的类型转化成矩阵(matrix) 1,mat()函数和array()函数的区别 Numpy函数库中存在两种不同的数据类型(矩阵matrix和数组array),都可以用于处理行列表示的数字元素,虽然他们看起来很相似,但是在这两个数据类型上执行相同的数学运算可能得到不同的结果,其中Numpy函数库中的matrix与MATLAB中matrices等价. 直接看一个例子: import numpy as np a = np.mat('1 3;5 7')

  • numpy linalg模块的具体使用方法

    最近在看机器学习的 LogisticRegressor,BayesianLogisticRegressor算法,里面得到一阶导数矩阵g和二阶导数Hessian矩阵H的时候,用到了这个模块进行求解运算,记录一下. numpy.linalg模块包含线性代数的函数.使用这个模块,可以计算逆矩阵.求特征值.解线性方程组以及求解行列式等. import numpy as np # 1. 计算逆矩阵 # 创建矩阵 A = np.mat("0 1 2;1 0 3;4 -3 8") print (A)

  • 关于Python下的Matlab函数对应关系(Numpy)

    关于Python下的Matlab函数对应关系(Numpy)

    目录 Matlab函数对应关系(Numpy) Numpy与Matlab互转操作 1.常用操作(参考numpy官方说明) 2.线性变换(参考numpy官方说明) Matlab函数对应关系(Numpy) 首先给出官网链接,其中详细说明了在Python下如何用Numpy实现Matlab下相同的函数功能. 博主在用Python撰写代码的时候,想用Python实现在Matlab下某个函数的功能(比如Repmat函数),但是当使用语句 from numpy.matlib import repmat A =

  • Python numpy 常用函数总结

    Numpy是什么 在没给大家介绍numpy之前先给大家说下python的基本概念. Python 是一种高级的,动态的,多泛型的编程语言.Python代码很多时候看起来就像是伪代码一样,因此你可以使用很少的几行可读性很高的代码来实现一个非常强大的想法. numpy很简单,Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy.matplotlib一起使用.其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数. 数组 数组常用函数 1.w

  • Python NumPy实用函数笔记之allclose

    目录 numpy 数组及运算 创建数组 allclose() 总结 numpy 数组及运算 扩展库 numpy 是 Python 支持科学计算的重要扩展库,是数据分析和科学计算领域如 scipy.pandas.sklearn 等众多扩展库中必备的扩展库之一,提供了强大的 N 维数组及其相关的运算.复杂的广播函数.C/C++和Fortran代码集成工具以及线性代数.傅里叶变换和随机数生成等功能. 创建数组 数组是用来存储若干数据的连续内存空间,其中的元素一般是相同类型的,例如都是浮点数.数组运算是

  • 利用Python NumPy库及Matplotlib库绘制数学函数图像

    利用Python NumPy库及Matplotlib库绘制数学函数图像

    目录 前言 NumPy与Matplotlib 函数绘图 所需库函数语法 导入所需模块 一元一次函数 一元二次函数 指数函数 正弦函数 余弦函数 高级玩法 总结 前言 最近开始学习数学了,有一些题目的函数图像非常有特点,有一些函数图像手绘比较麻烦,那么有没有什么办法做出又标准又好看的数学函数图像呢? 答案是有很多的,有很多不错的软件都能画出函数图像,但是,我想到了Python的数据可视化.Python在近些年非常火热,在数据分析以及深度学习等方面得到广泛地运用,其丰富的库使其功能愈加强大. 这里我

随机推荐