np.diag()功能双模：输入2D数组提取主对角线，输入1D数组构造对角矩阵；取非主对角线用k参数；安全替代是ndarray.diagonal()。
diag函数怎么用：提取主对角线最简写法
np.diag() 是最直接的方案，但它有两个完全不同的行为模式——取决于输入是 1D 还是 2D 数组。这点不注意，结果会完全反直觉。
- 输入是 2D 数组（如
np.array([[1,2],[3,4]])）→ 返回主对角线元素组成的 1D 数组：[1, 4] - 输入是 1D 数组（如
np.array([1,4])）→ 反过来构造对角矩阵：[[1,0],[0,4]]，不是你想要的提取操作 - 如果误把一维结果再喂给
np.diag()，会意外生成方阵，后续计算可能维度爆炸
提取非主对角线（k≠0）：用k参数控制偏移
想取上对角线（右上）、下对角线（左下），靠 k 参数就行。正数向上偏移，负数向下偏移，这个方向和矩阵索引习惯一致，但容易记反。
-
k=0：默认主对角线（行索引 == 列索引） -
k=1：第一上对角线，即(0,1), (1,2), (2,3), ... -
k=-2：第二下对角线，即(2,0), (3,1), ... - 超出矩阵范围的
k不报错，返回空数组[]，容易被忽略导致逻辑断裂
ndarray.diagonal() 和 np.diag() 的关键区别
两者都能取对角线，但行为边界不同：ndarray.diagonal() 是数组方法，只做提取；np.diag() 是函数，有“提取/构造”双重语义，更易踩坑。
-
a.diagonal(k=1)更安全，不会因输入形状变化而切换功能 -
a.diagonal()支持多维数组（如 3D），可指定两个轴用axis1/axis2参数，默认取最后两维的对角线 -
np.diag(a)对 3D 数组直接报错：ValueError: Input must be 1- or 2-d - 性能上无明显差异，但方法调用略少一次函数解析开销
常见错误现象与排查线索
实际写代码时，最常遇到的不是“取不到”，而是“取错了位置”或“形状突变”。错误信息往往不提示根本原因。
- 得到一个方阵而不是一维数组？检查是否误把 1D 结果又传给了
np.diag() - 结果长度比预期少？确认
k值是否超界，比如5x5矩阵中k=10返回空数组[] - 对 3D 数组调用
np.diag()报错？改用a.diagonal(axis1=0, axis2=2)明确指定轴 - 用
np.diag(a, k=1)时提示TypeError: diag() got an unexpected keyword argument 'k'？说明 NumPy 版本太老（.diagonal()
对角线提取本身很简单，但 np.diag() 的重载设计和 k 的方向感，是真正容易卡住人的地方。动手前先 print 一下输入数组形状和维度，比猜要快得多。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
