在Python中怎么通过NumPy快速提取矩阵主对角线及偏移对角线

胖芳小哥_9828

胖芳小哥_9828

2026-10-23

811人浏览

原创

np.diag()可提取主对角线(k=0)及上下偏移对角线(k≠0),对非方阵各k值长度天然不同,无需补零;传入2D提取、1D构造,仅作用于前两维。

在python中怎么通过numpy快速提取矩阵主对角线及偏移对角线

用 np.diag() 提取主对角线和指定偏移的对角线

np.diag() 是最直接的工具,但它行为分两种:传入 2D 数组时提取对角线;传入 1D 数组时构造对角矩阵。提取偏移对角线靠 k 参数控制。

  • k = 0(默认)提取主对角线:从左上到右下,索引满足 i == j
  • k > 0 提取上方第 k 条对角线(如 k=1 是紧邻主对角线上方那条),对应 j = i + k
  • k 提取下方第 |k| 条对角线(如 k=-2 是主对角线下方第二条),对应 j = i - |k|
  • 若偏移超出矩阵边界(例如 3×3 矩阵中 k=5),返回空数组 array([]),不是报错 —— 这点容易误判为出错

示例:

import numpy as np
a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12]])
<p>print(np.diag(a, k=0))  # [1 6 11]
print(np.diag(a, k=1))  # [2 7 12]
print(np.diag(a, k=-1)) # [5 10]</p>

为什么不能直接用 a.diagonal()?它和 np.diag() 有啥区别?

a.diagonal(k) 看似等价,但它是 ndarray 的方法,**只支持 k 为单个整数**,不支持数组;而 np.diag() 在提取时也只接受单个 k,但关键差异在「返回视图还是副本」:

  • a.diagonal() 返回的是原数组的**只读视图**(view),修改它会触发 RuntimeWarning 且无效
  • np.diag(a, k) 总是返回**新数组(副本)**,可安全修改
  • 二者在非方阵上行为一致,都按标准定义截取有效部分(比如 3×4 矩阵的 k=2 只有前两个元素有效)

所以若后续要修改提取结果,务必用 np.diag();若只是读取且想省一点内存(极少场景),可用 .diagonal(),但得加 copy() 才能改。

使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中
使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中

当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。

下载

批量提取多条偏移对角线:别循环调用 np.diag()

需要同时拿 k = -2, -1, 0, 1, 2 的对角线?手动循环五次 np.diag(a, k=i) 效率低、代码啰嗦。更高效的做法是用 np.eye() 构造掩码,再用布尔索引:

  • 先生成与 a 同形的全零数组,再用 np.eye(a.shape[0], a.shape[1], k=k) 得到对应偏移的 0/1 掩码
  • 然后 a[mask] 直接取出 —— 注意这会按行优先顺序展平,需根据需求重排
  • 或者更简洁:用列表推导式 [np.diag(a, k=i) for i in [-2,-1,0,1,2]],可读性好,小矩阵无性能压力

大矩阵(如 >1000×1000)且偏移数多时,建议预分配结果列表并用循环,避免临时数组反复创建。

提取后长度不一致?这是正常现象,别硬 pad 对齐

非方阵中不同 k 对应的对角线长度天然不同。例如 3×5 矩阵:k=0 长 3,k=2 长 1,k=-2 长 1。强行用 np.pad() 补零或 None 会破坏数据语义,还可能误导后续计算。

  • 如果后续要做向量化运算(如求每条对角线均值),直接用 [d.mean() for d in diags] 即可
  • 若必须堆成二维数组,用 np.array() 会转成 object dtype,失去数值优势;真需要数值型二维结构,应明确补什么值(如 np.nan),并用 np.full() 配合切片填充
  • 最容易被忽略的是:对角线索引逻辑依赖于数组的 shape,而非 ndim —— 即使是 3D 张量,np.diag() 也只处理前两维,其余维度会被忽略或报错

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!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5624

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34437

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3143

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程