python计算范数
范数是一个向量空间中的向量的度量。在Python中，可以使用NumPy库来计算范数。
NumPy库提供了一个linalg模块，该模块包含了计算向量范数的函数。常用的向量范数有L1范数、L2范数和无穷范数。
1.L1范数（曼哈顿范数）：向量中各个元素绝对值之和
```python
import numpy as np
v = np.array([1, -2, 3, -4, 5])
l1_norm = (v, ord=1)
print("L1范数:", l1_norm)
```
2.L2范数（欧几里得范数）：向量各个元素的平方和的开方
```python
import numpy as np
v = np.array([1, -2, 3, -4, 5])
l2_norm = (v, ord=2)
print("L2范数:", l2_norm)
```
3.无穷范数：向量中绝对值最大的元素
```python
import numpy as np
v = np.array([1, -2, 3, -4, 5])
inf_norm = (v, ord=np.inf)
print("无穷范数:", inf_norm)
```
除了向量范数，NumPy还提供了矩阵范数的计算函数。常用的矩阵范数有Frobenius范数、1范数、2范数和无穷范数。
1. Frobenius范数：矩阵各个元素的平方和的开方
```python
import numpy as np
m = np.array([[1, 2], [3, 4], [5, 6]])
fro_norm = (m, ord='fro')
print("Frobenius范数:", fro_norm)
```
2.1范数：矩阵列之和的最大值
```python
import numpy as np
m = np.array([[1, 2], [3, 4], [5, 6]])
one_norm = (m, ord=1)
print("1范数:", one_norm)
```
3.2范数：矩阵奇异值的最大值
```python
import numpy as np
m = np.array([[1, 2], [3, 4], [5, 6]])
two_norm = (m, ord=2)
print("2范数:", two_norm)
```
4.无穷范数：矩阵行之和的最大值
```python
import numpy as np
m = np.array([[1, 2], [3, 4], [5, 6]])
inf_norm = (m, ord=np.inf)
print("无穷范数:", inf_norm)
```
numpy库统计函数
这些函数可以处理一维和二维的向量和矩阵，同时也适用于多维数组。使用这些函数可以方便地计算向量和矩阵的范数，从而对数据进行分析和处理。