numpy操作技巧-范数篇

1. 第一范数

向量的各个元素的绝对值之和

import numpy as np
x = np.array([3, -4])
nor_x = np.linalg.norm(x, ord=1)

print('原始数据')
print(x)
print("第一范数计算结果:")
print(nor_x)
#######################################
'''
原始数据
[ 3 -4]
第一范数计算结果:
7.0
'''

2. 第二范数

向量的每个元素的平方和再开平方根

import numpy as np
x = np.array([3, 4])
nor_x = np.linalg.norm(x)

print('原始数据')
print(x)
print("第二范数计算结果:")
print(nor_x)
#######################################
'''
原始数据
[3 4]
第二范数计算结果
5.0
'''

3. 计算闵可夫斯基距离

def DistMinkov(xi, xj, p=2):
    '''
    计算两个向量的曼哈顿距离(第一范数)
    :param xi: 向量xi, <1*n>
    :param xj: 向量xj, <1*n>
    :return: xi与xj之间的曼哈顿距离
    '''
    x = xi - xj
    data = np.apply_along_axis(np.power, 0, x, p)
    sum_data = np.sum(data)
    return pow(sum_data, 1/p)