ภาพรวม
ใช้เมธอด LA.norm() ใน NumPy เพื่อหาค่ามาตรฐาน (norm) ของเมทริกซ์หรือเวกเตอร์ โดยระบุ ord = -np.inf เพื่อหาค่ามาตรฐานลบอนันต์
พารามิเตอร์ของ LA.norm()
- x: อาร์เรย์อินพุต ต้องเป็น 1-D หรือ 2-D หาก axis เป็น None
- ord: ลำดับของมาตรฐาน ใช้ -np.inf สำหรับ negative infinity norm
- axis: แกนที่ใช้คำนวณมาตรฐานเวกเตอร์ (ค่าเริ่มต้น: None)
- keepdims: เก็บมิติไว้ในผลลัพธ์ (ค่าเริ่มต้น: False)
ขั้นตอนการทำงาน
- นำเข้าไลบรารี
import numpy as np from numpy import linalg as LA - สร้างเมทริกซ์
arr = np.array([[-4, -3, -2], [-1, 0, 1], [2, 3, 4]]) - ตรวจสอบคุณสมบัติเมทริกซ์
print("เมทริกซ์ของเรา...\n", arr) print("\nมิติ...\n", arr.ndim) print("\nชนิดข้อมูล...\n", arr.dtype) print("\nรูปร่าง...\n", arr.shape) - คำนวณ negative infinity norm
print("\nผลลัพธ์...\n", LA.norm(arr, -np.inf))
ตัวอย่างโค้ดสมบูรณ์
import numpy as np
from numpy import linalg as LA
arr = np.array([[-4, -3, -2], [-1, 0, 1], [2, 3, 4]])
print("เมทริกซ์ของเรา...\n", arr)
print("\nมิติของเมทริกซ์...\n", arr.ndim)
print("\nชนิดข้อมูลของเมทริกซ์...\n", arr.dtype)
print("\nรูปร่างของเมทริกซ์...\n", arr.shape)
print("\nผลลัพธ์...\n", LA.norm(arr, -np.inf))
ผลลัพธ์ที่คาดหวัง
เมทริกซ์ของเรา...
[[-4 -3 -2]
[-1 0 1]
[ 2 3 4]]
มิติของเมทริกซ์...
2
ชนิดข้อมูลของเมทริกซ์...
int64
รูปร่างของเมทริกซ์...
(3, 3)
ผลลัพธ์...
2.0