Python NumPy中diag函数的使用说明

NumPy库内置的diag函数功能十分实用。

首先，我们创建一个一维数组a和一个3x3的二维数组b：

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

运行结果如下所示：

>>> a array([1, 2, 3]) >>> b array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

接下来，我们调用diag函数查看处理结果：

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

通过上述结果可以观察到，当np.diag(array)接收一个一维数组作为输入时：

生成的结果是一个以该一维数组元素为主对角线元素的矩阵。

若输入为二维矩阵，则函数输出该矩阵的对角线元素。

补充说明：numpy.diag()的结构及用法||参数详解

numpy.diag(v,k=0) 

官方文档

该函数以一维数组形式返回方阵的对角线（或非对角线）元素，或者将一维数组转换为方阵（非对角线元素补0）。具体功能取决于输入参数v的类型。

更深层的见numpy.diagnal()

参数详解：

v : array_like.

若v为2D数组，则返回位于k位置的对角线元素。

若v为1D数组，则返回一个以v为位于k位置的对角线的2维数组。

k : int, optional

指定对角线的位置，正值表示位于主对角线上方，负值表示位于主对角线下方。

示例

>>> x = np.arange(9).reshape((3,3))
>>> x
array([[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本站。