Python NumPy中diag函數如何使用

本文小編為大家詳細介紹“Python NumPy中diag函數如何使用”，內容詳細，步驟清晰，細節處理妥當，希望這篇“Python NumPy中diag函數如何使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

假設創建一個1維數組a，和一個3*3數組b：

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

結果如下：

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

使用diag函數，看一看結果：

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

可以發現，當 np.diag(array) 中

array是一個1維數組時，結果形成一個以一維數組為對角線元素的矩陣

array是一個二維矩陣時，結果輸出矩陣的對角線元素

補充：numpy.diag()結構及用法||參數詳解

numpy.diag(v,k=0)

官方文檔

以一維數組的形式返回方陣的對角線（或非對角線）元素，或將一維數組轉換成方陣（非對角線元素為0）.兩種功能角色轉變取決于輸入的v。1

更深層的見numpy.diagnal()

參數詳解：

v : array_like.

如果v是2D數組，返回k位置的對角線。

如果v是1D數組，返回一個v作為k位置對角線的2維數組。

k : int, optional

對角線的位置，大于零位于對角線上面，小于零則在下面。

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]])

讀到這里，這篇“Python NumPy中diag函數如何使用”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。