如何在Julia中归一化矩阵列以得到列长度为1的新矩阵

核心逻辑很简单：要让每一列的欧几里得长度（L2范数）为1，只需要把每一列的所有元素除以该列自身的L2范数即可。

标准实现（无需第三方包，仅用Julia标准库） #

Julia的线性代数相关函数都在官方内置的LinearAlgebra标准库中，不需要额外安装，直接导入即可使用，整体流程分为三步：

• 导入LinearAlgebra依赖库
• 计算矩阵每一列的L2范数
• 通过广播运算让每一列除以对应列的范数，得到归一化后的矩阵

示例代码如下：

using LinearAlgebra

# 测试用3×2矩阵
A = [1 2; 3 4; 5 6]

# 写法1：用eachcol遍历列计算范数，注意reshape成1×n的行向量匹配广播维度
col_norms = norm.(eachcol(A))
A_norm = A ./ reshape(col_norms, 1, :)

# 写法2：用mapslices直接按列计算范数，输出维度自动和列匹配，不需要reshape
col_norms2 = mapslices(norm, A, dims=1)
A_norm2 = A ./ col_norms2

结果验证 #

计算完成后可以直接校验每一列的范数是否为1（浮点运算存在极小的精度误差，属于正常情况）：

# 打印归一化后每列的L2范数
println(norm.(eachcol(A_norm)))
# 输出：[1.0, 1.0]

注意事项 #

• 如果矩阵存在全0列，直接除以范数会出现NaN值。全0列本身不存在长度为1的归一化结果，可根据业务需求提前处理：比如将全0列的范数置为1，归一化后保留全0值；或者给全0列加极小的平滑值避免除零。
• 上述代码默认按L2范数（欧几里得长度）归一化，如果需要按其他范数（比如L1范数）归一化，只需要给norm传入第二个参数即可，例如norm(col, 1)就是按L1长度归一化。
• 可以把逻辑封装成通用函数方便复用：

using LinearAlgebra
function col_normalize(A::AbstractMatrix)
    col_norms = mapslices(norm, A, dims=1)
    # 全0列范数置1，避免除零
    col_norms[col_norms .== 0] .= 1
    return A ./ col_norms
end

内容的提问来源于stack exchange，提问作者Evan E