本文系统梳理了范数在机器学习和最优化中的核心作用。范数作为统一度量工具，通过非负性、齐次性和三角不等式三大公理，将"长度"概念推广至向量、矩阵等数学对象。重点介绍了3种向量范数（L1曼哈顿范数、L2欧几里得范数、L∞无穷范数）和4种矩阵范数（列和最大值、行和最大值、谱范数、弗罗贝尼乌斯范数），每种范数均给出定义、公式、计算示例和Python实现代码。这些范数在稀疏建模、数值分析

弦图和桑基图是两种可视化关系数据的图表类型。弦图以圆形布局展示实体间的相互关系，用弧线宽度表示关系强度，适用于分析社交网络、合作关系等场景。桑基图则通过流动的"河流"展示能量、物料或资金的转移过程，强调流量守恒，常用于分析资金流向、用户转化等场景。本文详细介绍了两种图表的适用场景，并以弦图为例展示了绘制流程，包括节点布局、贝塞尔曲线生成等关键技术细节，提供了完整的Python实

摘要：雷达图能直观展示多维数据分布，有效识别异常值与结构差异。本文通过两个实例验证其应用价值：1）高校学生专业课程成绩雷达图可快速呈现学科优势与短板，辅助招聘决策；2）家庭月度支出雷达图可精准定位消费异常点，优化预算管理。实验表明，在12维以内数据场景中，雷达图对极值和离群值的识别效率显著优于传统图表。Matplotlib实现的极坐标转换方法仅需数据闭合、角度均分与视觉编码三个步骤，即可将复杂表格