📚np.linalg.norm的用法 📏 | _np.norm小技巧

在Python的数据分析和机器学习旅程中，`np.linalg.norm`是一个超级实用的函数！它可以帮助我们计算向量或矩阵的范数，简单来说就是衡量“距离”或者“大小”的工具。🌟

首先，让我们看看它的基本用法：

```python

import numpy as np

vector = np.array([3, 4])

norm_value = np.linalg.norm(vector)

```

这里的`norm_value`会返回向量的欧几里得长度（√(3² + 4²) = 5）。✨

不仅如此，你还可以指定不同的参数来计算其他类型的范数，比如：

- `ord=1` 计算曼哈顿距离

- `ord='fro'` 计算矩阵的Frobenius范数

此外，`axis`参数可以让你对多维数组进行逐行或逐列的范数计算。💡

无论是处理数据归一化还是评估模型误差，`np.linalg.norm`都是你的得力助手！快试试吧，让数学之美助力你的项目🚀！