在Python中，norm函数可以使用numpy.linalg.norm()来计算向量或矩阵的范数。numpy.linalg.norm()函数的语法如下：
numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)
参数说明：
x：表示向量或矩阵。
ord：表示范数的类型，默认为None，表示计算2范数。可以设置为1、2、np.inf等其它值，分别表示计算1范数、2范数和无穷范数。
axis：表示沿着哪个轴计算范数，默认为None，表示对整个向量或矩阵计算范数。对于矩阵可以设置为0或1，分别表示按行计算范数和按列计算范数。
keepdims：表示是否保持计算范数后的维度，默认为False。
下面是一些使用numpy.linalg.norm()函数的例子：
import numpy as np
# 计算向量的2范数
x = np.array([1, 2, 3])
norm_2 = np.linalg.norm(x)
print(norm_2) # 输出：3.7416573867739413
# 计算向量的1范数
norm_1 = np.linalg.norm(x, ord=1)
print(norm_1) # 输出：6.0
# 计算矩阵的无穷范数
matrix = np.array([[1, 2, 3], [4, 5, 6]])
norm_inf = np.linalg.norm(matrix, ord=np.inf)
print(norm_inf) # 输出：15.0
# 按行计算矩阵的2范数
norm_2_rows = np.linalg.norm(matrix, ord=2, axis=1)
print(norm_2_rows) # 输出：[3.74165739 8.77496439]
注：需要先导入numpy库。
