如何将 numpy.linalg.norm 应用于矩阵的每一行？

我有一个二维矩阵，我想取每一行的范数。但是当我使用numpy.linalg.norm(X)直接取整个矩阵的范数。

我可以通过使用 for 循环来获取每一行的范数，然后获取每一行的范数X[i]，但这需要很长时间，因为我有 30k 行。

有什么建议可以找到更快的方法吗？或者说可以申请吗np.linalg.norm到矩阵的每一行？

对于 numpy 1.9+

请注意，如围索索显示，从 NumPy 版本 1.9 开始，np.linalg.norm(x, axis=1)是计算 L2 范数的最快方法。

对于 numpy

如果您正在计算 L2 范数，您可以直接计算它（使用axis=-1沿行求和的参数）：

np.sum(np.abs(x)**2,axis=-1)**(1./2)

当然，Lp-范数可以类似地计算。

它比np.apply_along_axis，尽管可能不那么方便：

In [48]: %timeit np.apply_along_axis(np.linalg.norm, 1, x)
1000 loops, best of 3: 208 us per loop

In [49]: %timeit np.sum(np.abs(x)**2,axis=-1)**(1./2)
100000 loops, best of 3: 18.3 us per loop

Other ord的形式norm也可以直接计算（具有类似的加速）：

In [55]: %timeit np.apply_along_axis(lambda row:np.linalg.norm(row,ord=1), 1, x)
1000 loops, best of 3: 203 us per loop

In [54]: %timeit np.sum(abs(x), axis=-1)
100000 loops, best of 3: 10.9 us per loop