本文小编为大家详细介绍“Python NumPy中diag函数如何使用”,内容详细,步骤清晰,细节处理妥当,希望这篇“Python NumPy中diag函数如何使用”文章能帮助大家解决疑惑,下面跟着小编的思路慢慢深入,一起来学习新知识吧。

假设创建一个1维数组a,和一个3*3数组b:

importnumpyasnpa=np.arange(1,4)b=np.arange(1,10).reshape(3,3)

结果如下:

>>> a
array([1, 2, 3])
>>> b
array([[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()

参数详解:

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。

示例

>>>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]])

读到这里,这篇“Python NumPy中diag函数如何使用”文章已经介绍完毕,想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会,如果想了解更多相关内容的文章,欢迎关注亿速云行业资讯频道。