在機器學習和統計學領域中，范數（Norm）是一種重要的概念。范數可以衡量向量的大小和差異，是一種衡量相似性和距離的方法，被廣泛應用于多種機器學習算法中。

在Python中，我們可以使用numpy庫來計算向量的范數。numpy庫提供了多種范數計算方法，包括L1范數、L2范數、Infinity范數等。

# 導入numpy庫
import numpy as np
# 定義一個向量
x = np.array([1, 2, 3, 4, 5])
# 計算L1范數
l1_norm = np.linalg.norm(x, ord=1)
print(l1_norm)
# 計算L2范數
l2_norm = np.linalg.norm(x, ord=2)
print(l2_norm)
# 計算Infinity范數
inf_norm = np.linalg.norm(x, ord=np.inf)
print(inf_norm)

上述代碼中，我們首先導入numpy庫，然后定義一個向量x。接著使用numpy庫提供的np.linalg.norm()方法來計算向量的范數。該方法接受兩個參數，第一個參數是向量，第二個參數是范數類型。ord=1表示計算L1范數，ord=2表示計算L2范數，ord=np.inf表示計算Infinity范數。

輸出結果如下：

15
7.4161984871
5

我們可以看到，L1范數計算結果為15，L2范數計算結果為7.4161984871，Infinity范數計算結果為5。