Python NumPy中diag函数的使用说明

NumPy包中的内置diag函数很有意思。

import numpy as npa = np.arange(1, 4)b = np.arange(1, 10).reshape(3, 3)

结果如下：

>>> aarray([1, 2, 3])>>> barray([[1, 2, 3],[4, 5, 6],[7, 8, 9]])

使用diag函数，看一看结果：

>>> np.diag(a)array([[1, 0, 0],[0, 2, 0],[0, 0, 3]])>>> np.diag(b)array([1, 5, 9])

可以发现，当 np.diag(array) 中

array是一个1维数组时，结果形成一个以一维数组为对角线元素的矩阵

array是一个二维矩阵时，结果输出矩阵的对角线元素

补充：numpy.diag()结构及用法||参数详解

numpy.diag(v,k=0)

官方文档

以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换成方阵（非对角线元素为0）.两种功能角色转变取决于输入的v。1

更深层的见numpy.diagnal()

v : array_like.

如果v是2D数组，返回k位置的对角线。

如果v是1D数组，返回一个v作为k位置对角线的2维数组。

k : int, optional

对角线的位置，大于零位于对角线上面，小于零则在下面。

>>> x = np.arange(9).reshape((3,3))>>> xarray([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) >>> np.diag(x)array([0, 4, 8])>>> np.diag(x, k=1)array([1, 5])>>> np.diag(x, k=-1)array([3, 7])>>> np.diag(np.diag(x))array([[0, 0, 0], [0, 4, 0], [0, 0, 8]])

以上为个人经验，希望能给大家一个参考，也希望大家多多支持好吧啦网。