我一直在关注一些通过Python引入线性代数的在线教程，并且遇到了关于向量的大小和规范化的部分。线性代数概念似乎表明：
向量的大小 =对向量的所有元素进行平方，将它们加在一起，然后取平方根。
向量归一化 =将向量除以幅度（或乘以1 /幅度）。
大！我试图谷歌如何通过Numpy的库函数找到向量的大小，并发现找到我使用numpy.linalg.norm()函数的幅度。起初这对我来说似乎很奇怪，但在深入挖掘之后，似乎默认情况下该函数找到了Frobenius范数，它基本上就像我上面所做的那样找到了数量级。
然而，我仍然不确定为什么＆＃34;标准化＆＃34;函数没有选择给我矢量的归一化，而是选择让自己成为一个＆＃34;幅度＆＃34;默认情况下的功能是否有一个特定的原因，为什么没有一个独立的幅度函数，而是它驻留在规范函数内？我认为必须有一个很好的理由，但这似乎让我感到困惑：）。
答案 0 :(得分：2)
正如您在numpy.linalg.norm()的文档中已经看到的那样，有一个名为ord的参数，它是规范的顺序，默认情况下，此参数为None，如果您阅读文档，则表示它将是计算弗罗贝尼乌斯范数，也称欧几里德距离。
Frobenius规范只是vector norm更一般概念的特殊情况，因此numpy的函数名称规范在定义上是有意义的。