在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
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:
使用diag函数,看一看结果:
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) 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极客世界。 |
2022-05-27
2022-05-27
2022-05-27
2022-05-27
2022-05-27
请发表评论