📚np.linalg.norm的多维奥秘💡

在Python中，`np.linalg.norm()`是一个非常实用的函数，用于计算向量的范数。如果你发现标题中的表达式——`np.linalg.norm(delta_pos, axis=-1)`，并且输入是多维数据时，可能会好奇它的表现。🤔

假设`delta_pos`是一个三维数组（例如形状为 `(n, m, 3)`），当指定 `axis=-1` 时，函数会沿着最后一个轴（这里是大小为3的轴）逐行计算欧几里得距离！换句话说，它会对每个点的坐标差值进行归一化处理，输出一个更低维度的结果（如 `(n, m)`）。💥

举个例子，若`delta_pos`描述了空间中多个点的位移，那么这个操作可以快速得到每个点到原点的距离！✨

例如：

```python

import numpy as np

delta_pos = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

norms = np.linalg.norm(delta_pos, axis=-1)

print(norms)

输出: [[3.74165739 8.77496439] [13.92838828 19.07878403]]

```

简单又高效！无论是数据分析还是物理模拟，它都能派上用场。🚀

Python NumPy 数据分析 数学工具