Python 用numpy规范化矩阵

np.linalg.norm（x，axis=1，keepdims=True）

返回什么

我有一个矩阵

np.array（[[3.0,4.0]，[1,2]]）

。我试图规范化矩阵的每一行。答案应该是

np.array（[[0.6,0.8]，[0.4472136,0.89442719]]）

，但我无法理解代码是如何得到答案的

代码如下：

x  = np.array([[3.0,4.0],[1, 2]])
norms = np.linalg.norm(x, axis = 1, keepdims = True)
x /= norms

这段代码应该给出标准化的x，但我不明白

np.linalg.norm（）

返回的是什么。

np.linalg.norm（x，axis=1，keepdims=True）

在每一行中都这样做（对于x）：

np.sqrt（3**2+4**2）

用于x的第1行，其中给出了5

np.sqrt（1**2+2**2）

对于x的第2行，给出了2.23

这个向量

[5，2.23]

就是

范数

变量

然后将x中的所有值除以该

规范

变量，该变量应给出

np.array（[[0.6,0.8]，[0.4472136,0.89442719]]）

。我希望这有帮助

另请参见

np.linalg.norm（x，axis=1，keepdims=True）

在每一行中都这样做（对于x）：

np.sqrt（3**2+4**2）

用于x的第1行，其中给出了5

np.sqrt（1**2+2**2）

对于x的第2行，给出了2.23

这个向量

[5，2.23]

就是

范数

变量

然后将x中的所有值除以该

规范

变量，该变量应给出

np.array（[[0.6,0.8]，[0.4472136,0.89442719]]）

。我希望这有帮助

---

另请参见

给出L2范数并保持维度数不变，即缩小的维度保持为单态dim（长度轴=1）。如果您的问题可以用a回答，则您在这里提问之前没有付出所需的最小努力。这里没有提到L2范数。Numpy在文档中没有提到欧几里德标准@用户2357112在注释下：

None Frobenius norm 2-norm

。如果你搜索

Frobenius norm

或

2 norm

，你会得到它。@PranayAryal:请参阅

Notes

下的表格，该表格说明为

ord=None

计算的向量norm是2-norm。给出L2范数并保持维度数不变，即减少的维度保持为单一维度（长度轴=1）。如果你的问题可以用a来回答，那么在这里提问之前，你没有尽到你所需的最小努力。在中没有提到L2范数。Numpy在文档中的任何地方都没有提到欧几里德范数。@user2357112notes:

None Frobenius norm 2-norm

。如果你搜索

Frobenius norm

或

2范数

，你会得到的。@pranayarial:见

Notes

下的表格，上面说为

ord=None

计算的向量范数是一个2范数。你在7分钟内问了这个问题并回答了这个问题。你应该在问这个问题之前仔细搜索你的问题！@RenS这个问题的提出和回答是为了帮助其他人e、 你在7分钟内问了又回答了这个问题。在这里提问之前，你应该仔细搜索你的问题！@RenS这个问题的提出和回答是为了帮助其他人。