numpy取出對角線元素、計(jì)算對角線元素和np.diagonal

np.diagonal(a, offset=0, axis1=0, axis2=1)

直接上例子：

1、二維數(shù)組

二維數(shù)組，重點(diǎn)理解offset參數(shù)。offset默認(rèn)0，即從位置為（0,0）的元素斜45°角指向的元素。

當(dāng)offset=1時(shí)，對角線向上移動(dòng)1個(gè)位置，offset=2，移動(dòng)兩個(gè)位置，以此類推。

當(dāng)offset取負(fù)值時(shí)，向下移動(dòng)相應(yīng)的位置數(shù)量。

見下：

arr  =np.arange(9).reshape(3,3)
arr
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
------------------------------------
np.diagonal(arr)
array([0, 4, 8])
------------------------------------
np.diagonal(arr,offset=1)
array([1, 5])
------------------------------------
np.diagonal(arr,offset=2)
array([2])

offset取值如下，不管數(shù)組是正方的還是長方形的，offset偏移方法是一樣的。

2、三維數(shù)組

三維數(shù)組較復(fù)雜，重點(diǎn)是axis1和axis2的理解。

先看例子：

arr = np.array([[[ 9,  5,  2,  7],
        [ 7,  2,  5,  9],
        [ 5,  2,  9, 7]],
       [[1, 0, 2, 4],
        [4, 2, 1, 0],
        [0, 4, 2, 2]]])
--------------------------------
np.diagonal(arr) # 默認(rèn)axis1 = 0，axis2 = 1
array([[9, 4],
       [5, 2],
       [2, 1],
       [7, 0]])

上一個(gè)圖：

默認(rèn)是在axis = 0，axis = 1方向上取對角數(shù)據(jù)，即如下是我們在這個(gè)方向上看到的第一個(gè)3x2二維數(shù)組，后面還有三個(gè)3x2二維數(shù)組，對角線元素就是這4個(gè)二維數(shù)組的對角元素：

在舉一個(gè)例子：

np.diagonal(arr,axis1=0, axis2=2)
array([[9, 0],
       [7, 2],
       [5, 4]])

我們改在axis = 0，axis =2方向上取對角數(shù)據(jù)，即如下是我們在這個(gè)方向上看到的第一個(gè)2x4二維數(shù)組，后面還有2個(gè)2x4二維數(shù)組，對角線元素就是這3個(gè)二維數(shù)組的對角元素：

選取兩個(gè)aixs可以認(rèn)為是由這兩軸確定的平面來截取數(shù)組，將數(shù)組分成相應(yīng)的二維數(shù)組。

從垂直于這個(gè)平面也就是另外一個(gè)軸來觀察數(shù)組，比如上面的例子，我們從事從軸1去看數(shù)組，取數(shù)。

生成對角矩陣 numpy.diag

給定對角線上元素，我想生成對角矩陣，在網(wǎng)上搜了一下，竟然都是numpy.diagonal。

這個(gè)函數(shù)的作用是提取給定矩陣的對角元素，當(dāng)然不是我想要的。

后來發(fā)現(xiàn)numpy.diag才是生成對角矩陣的函數(shù)，所以記錄下。

import numpy as np
a=[1,2,3]
np.diag(a)
Out[4]:?
array([[1, 0, 0],
? ? ? ?[0, 2, 0],
? ? ? ?[0, 0, 3]])

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論