Python 以向量作为numpy中的条目迭代矩阵的最快方法

我正在使用python的opencv库中的一个函数来获取手在移动时的光流运动。具体地

此函数输出一个numpy数组

flow = cv2.calcOpticalFlowFarneback(prevgray, gray, 0.5, 3, 15, 3, 5, 1.2, 0)
print flow.shape # prints (480,320,2)

所以流是一个矩阵，每个条目都是一个向量。我想要一种量化这个矩阵的方法，所以我想使用L1矩阵范数（numpy.linalg.norm（flow，1）），这会给范数误差带来不正确的维数

我想通过计算每个向量的欧几里德范数，然后用向量的距离找到矩阵的L1范数，来解决这个问题

我无法有效地迭代流矩阵。我使用了两个for循环，首先遍历列，然后遍历行，但速度太慢了

            r,c,d = flow.shape 
            flowprime = numpy.zeros((r,c),flow.dtype)
            for i in range(0,r):
                for j in range (0,c):
                    flowprime[i,j] = numpy.linalg.norm(flow[i,j], 2)
            print(numpy.linalg.norm(flowprime, 1))

我也尝试过使用numpy.nditer，但是

for x in numpy.nditer(flow, op_flags=['readwrite']):
   print x

只打印一个值而不是一个向量

---

什么是迭代以向量作为条目的numpy矩阵、对它们进行范数化然后采用L1范数的最快方法？

从numpy版本1.9开始，

norm

采用一个

轴

参数

---

除此之外，说出你理想的想法，几乎可以肯定你可以要求

numpy

去做。例如，假设没有复杂的条目或缺少值，最简单的情况是

np.sqrt（（flow**2.sum（））

或者我认为您描述的

np.linalg.norm（np.sqrt（（flow**2.sum）（axis=-1）），1）

，

嘿，谢谢，今晚晚些时候我必须研究axis=-1参数，但除此之外，它是有意义的