将列的范数计算为矩阵中的向量答案

【问题标题】：Calculating norm of columns as vectors in a matrix将列的范数计算为矩阵中的向量
【发布时间】：2013-03-21 11:23:44
【问题描述】：

我正在寻找将列的范数计算为矩阵中的向量的最佳方法。我现在的代码是这样的，但我相信它可以做得更好（也许是 numpy？）：

import numpy as np
def norm(a):
    ret=np.zeros(a.shape[1])
    for i in range(a.shape[1]):
        ret[i]=np.linalg.norm(a[:,i])
    return ret

a=np.array([[1,3],[2,4]])
print norm(a)

[ 2.23606798  5.        ]

谢谢。

【问题讨论】：

stackoverflow.com/questions/7741878/… 的副本可以使用 np.linalg.norm(a, axis=0) 完成。

标签： python numpy linear-algebra matrix-multiplication

【解决方案1】：

使用 numpy 直接解决：

x = np.linalg.norm(a, axis=0)

【讨论】：

这个方法在我的 numy 安装中不存在，我在网上找不到任何关于它的文档。你能提供一些参考吗？
@mattiasbe 见https://docs.scipy.org/doc/numpy/reference/generated/numpy.linalg.norm.html

【解决方案2】：

您可以使用 ufuncs 计算范数：

np.sqrt(np.sum(a*a, axis=0))

【讨论】：

谢谢，我可以补充一点，np.square(a) 在使用复杂的东西而不是a 时可能更舒服
请注意，这不适用于复杂矩阵。正确的解决方案是在下一个答案中使用np.linalg.norm。