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 ...
最新文章
- Fragment官方解析
- opencv 采用 matplot 显示图片
- 最新PHP秒赞,快乐秒赞 php版
- 第一步:Axure 使用svn多人协作产品开发(提交文件)
- 什么是压缩感知?[简单概括]
- outlook+app+android,微软Outlook Web App抢占Android平台
- Effective C++条款4:确认对象钱已经被初始化
- 僵尸存在......在.NET中?
- python必备入门代码-20行python代码的入门级小游戏的详解
- java打包----“Artifacts”
- 加锁解锁PHP实现 -转载
- W3CSchool离线手册文档
- Ckeditor富文本编辑器
- MT6573台开发分支下配置多个项目的规范说明_mi
- 通过uc_client接口方式,更新discuz会员头像
- 网工笔记(三):IP Multicast组播技术
- win10服务器cpu占用过高,解决win10服务主机内存和cpu高占用的解决方法
- C语言:判断元音/辅音
- Xmanager7 解决图形显示问题
- Java使用Separator替代符号拼接