最直接的方式當然是用numpy.linalg.norm()來計算
參考：https://docs.scipy.org/doc/numpy/reference/generated/numpy.linalg.norm.html

Paste_Image.png

這里想說的是axis參數(shù)問題：

from numpy import linalg as LA
>>> c = np.array([[ 1, 2, 3], [-1, 1, 4]])
>>> LA.norm(c, axis=0)
array([ 1.41421356, 2.23606798, 5. ])
>>> LA.norm(c, axis=1)
array([ 3.74165739, 4.24264069])
>>> LA.norm(c, ord=1, axis=1)
array([ 6., 6.])

axis為０的時候，對于二維矩陣是計算它的列向量的norm；
axis為１的時候，對于二維矩陣是計算它的行向量的norm。
這也很好理解，畢竟列是第一維，而行是第二維，故順序如此。

另外還有一個ord參數(shù)，定義的是計算什么norm，參數(shù)列表如下：

Paste_Image.png