Numpy——np.diag()一文看懂

1.np.diag(v, k): 官方文档如下

@array_function_dispatch(_diag_dispatcher)

def diag(v: Union[ndarray, Iterable, int, float],
k: Optional[int] = 0) -> Any
Extract a diagonal or construct a diagonal array.
See the more detailed documentation for numpy.diagonal if you use this function to extract a diagonal and wish to write to the resulting array; whether it returns a copy or a view depends on what version of numpy you are using.
See Also
diagonal
Return specified diagonals.
diagflat
Create a 2-D array with the flattened input as a diagonal.
trace
Sum along diagonals.
triu
Upper triangle of an array.
tril
Lower triangle of an array.
Examples
>>> 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]])
形参:
v – If `v` is a 2-D array, return a copy of its `k`-th diagonal. If `v` is a 1-D array, return a 2-D array with `v` on the `k`-th diagonal.
k – Diagonal in question. The default is 0. Use `k>0` for diagonals above the main diagonal, and `k0` for diagonals below the main diagonal.
返回值:
The extracted diagonal or constructed diagonal array.
docs.scipy.org 的 `diag(v, k=0)`

看着很唬人，其实很简单，下面我用通俗的话解释一下。

2.解释：

np.diag(v, k)函数有两种用途

返回二维数组v中k相关的对角线数据组成的一维数组

返回一个构造的二维与k相关的类对角线形二维数组

2.1 v为一维数组
import numpy as npv = np.array([1, 2, 3, 4, 5])
Z = np.diag(v)print(Z)
输出：

此处k未给定值，为缺省值0.

2.11 k值不为0时

观察可知，k=1时，原主对角线上的数据整体上移1个单位。由此我们可以推出，当k=-1时，原主对角线上的数据整体下移1个单位。

k = -1 时：

2.2 v为二维数组

返回值：默认k=0 返回二维数组主对角线上的数据组成的一维数组

k = 1 时：

返回整体上移1个单位的一维数组

k = -1时：

3.总结

形参:

v–如果“v”是二维数组，则返回其第k条对角线的副本。如果“v”是一个一维数组，则返回一个在“k”对角上有“v”的二维数组。

k–有问题的对角线。默认值为0。对于主对角线上方的对角线，使用“k>0”，对于主对角线下方的对角线，使用“k<0”。

返回值:

提取的对角数组或构造的对角数组。

`diag（v，k=0）`

Numpy——np.diag()一文看懂相关推荐

【Python基础】一文看懂 Pandas 中的透视表
作者:来源于读者投稿出品:Python数据之道一文看懂 Pandas 中的透视表透视表在一种功能很强大的图表,用户可以从中读取到很多的信息.利用excel可以生成简单的透视表.本文中讲解的是如何 ...
一文看懂 “极大似然估计” 与 “最大后验估计” —— 极大似然估计篇
参考: 唐宇迪<人工智能数学基础>第8章 Richard O. Duda <模式分类>第三章白板机器学习 P2 - 频率派 vs 贝叶斯派频率学派还是贝叶斯学派?聊一聊机器 ...
【目标检测】32、让你一文看懂且看全 NMS 及其变体
文章目录一.NMS 1.1 背景 1.2 方法 1.3 代码 1.4 不足二.Soft NMS 2.1 背景 2.2 方法 2.3 效果 2.4 代码 2.5 不足三.Softer NMS 3. ...
一文看懂 AI 训练集、验证集、测试集（附：分割方法+交叉验证）
2019-12-20 20:01:00 数据在人工智能技术里是非常重要的!本篇文章将详细给大家介绍3种数据集:训练集.验证集.测试集. 同时还会介绍如何更合理的讲数据划分为3种数据集.最后给大家介绍一 ...
一文看懂计算机视觉-CV（基本原理+2大挑战+8大任务+4个应用）
2020-03-06 20:00:00 计算机视觉(Computer Vision)是人工智能领域的一个重要分支.它的目的是:看懂图片里的内容. 本文将介绍计算机视觉的基本概念.实现原理.8 个任务和 ...
一文看懂人脸识别（4个特点+4个实现步骤+5个难点+算法发展轨迹）
2020-03-09 20:01:00 人脸识别是身份识别的一种方式,目的就是要判断图片和视频中人脸的身份时什么. 本文将详细介绍人脸识别的4个特点.4个步骤.5个难点及算法的发展轨迹. 什么是人脸识 ...
一文看懂卷积神经网络-CNN（基本原理+独特价值+实际应用）
http://blog.itpub.net/29829936/viewspace-2648775/ 2019-06-25 21:31:18 卷积神经网络 – CNN 最擅长的就是图片的处理.它受到人类 ...
【深度学习理论】一文看懂卷积神经网络
[深度学习理论]一文看懂卷积神经网络 https://mp.weixin.qq.com/s/wzpMtMFkVDDH6scVcAdhlA 选自Medium 作者: Pranjal Yadav 经机器之 ...
python读取excelsheet-一文看懂用Python读取Excel数据
原标题:一文看懂用Python读取Excel数据导读:现有的Excel分为两种格式:xls(Excel 97-2003)和xlsx(Excel 2007及以上). Python处理Excel文件主要 ...

Numpy——np.diag()一文看懂

1.np.diag(v, k): 官方文档如下

2.解释：

2.1 v为一维数组

2.11 k值不为0时

2.2 v为二维数组

3.总结

Numpy——np.diag()一文看懂相关推荐

最新文章

热门文章