NumPy包中的内置diag函数很有意思。
假设创建一个1维数组a，和一个3*3数组b：
import numpy as np
a = 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))
>>> 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编程网。
