NumPy包中的內置diag函數很有意思。

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]])

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。