Numpy中内置的函数diag是一个变化莫测的函数。
这是np.diag函数的源代码：
def diag(v, k=0): v = asanyarray(v) s = v.shape if len(s) == 1: n = s[0]+abs(k) res = zeros((n, n), v.dtype) if k >= 0: i = k else: i = (-k) * n res[:n-k].flat[i::n+1] = v return res elif len(s) == 2: return diagonal(v, k) else: raise ValueError("Input must be 1- or 2-d.")
我们可以看出np.diag函数可以传入的参数有 v 和 k。
对于v:
v是一个数组。（一维或者二维）
当v是一个一维数组时，结果形成一个以一维数组为对角线元素的矩阵；
当v是一个二维矩阵时，结果输出矩阵的对角线元素。
对于k：
k默认等于零，意味着取对角线，位置不偏移。
如果k > 0，那么取或者放对角线上面第k斜行。
如果k < 0，那么取或者放对角线下面第k斜行。
使用案例帮助理解：
假设现在有这样一个数组array:
>>> array array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
v ：二维数组，k：0
>>> np.diag(a) array([1, 5, 9])
v：一维数组，k：0
# 把上面的array([1, 5, 9])作为输入, 即np.diag(array) = [1, 5, 9] >>> np.diag(np.diag(a)) array([[1, 0, 0], [0, 5, 0], [0, 0, 9]])
v：二维数组，k：1
>>> np.diag(array, 1) array([2, 6])
v：一维数组，k：1
# 把上面的array([1, 5, 9])作为输入, 即np.diag(array) = [1, 5, 9] >>> np.diag(np.diag(array), 1) array([0 1 0 0] [0 0 5 0] [0 0 0 9] [0 0 0 0]])
