我想改变二维矩阵的对角线元素。这些是主对角线和非主对角线。
numpy.diagonal() 在 NumPy 1.10 中，它将返回一个读/写视图，写入返回的 数组会改变你原来的数组。
numpy.fill_diagonal()、numpy.diag_indices() 仅适用于主对角线元素
这是我的用例：我想重新创建以下形式的矩阵，考虑到我拥有所有 x、y，使用对角线表示法非常简单, z 作为数组。
【问题讨论】：
numpy.diag 呢？
np.diag 调用 np.diagonal 在 Numpy 1.10 之前，在尝试将值写入数组时会显示 difficulties。
标签： python numpy matrix diagonal
您始终可以使用切片将值或数组分配给对角线。
传入行索引列表和列索引列表可让您直接（有效地）访问位置。例如：
>>> z = np.zeros((5,5))
>>> z[np.arange(5), np.arange(5)] = 1 # diagonal is 1
>>> z[np.arange(4), np.arange(4) + 1] = 2 # first upper diagonal is 2
>>> z[np.arange(4) + 1, np.arange(4)] = [11, 12, 13, 14] # first lower diagonal values
将零数组z 更改为：
array([[ 1., 2., 0., 0., 0.],
[ 11., 1., 2., 0., 0.],
[ 0., 12., 1., 2., 0.],
[ 0., 0., 13., 1., 2.],
[ 0., 0., 0., 14., 1.]])
通常对于名为z 的k x k 数组，您可以使用
ith 上对角线
z[np.arange(k-i), np.arange(k-i) + i]
和ith 下对角线与
z[np.arange(k-i) + i, np.arange(k-i)]
注意：如果你想避免多次调用np.arange，你可以简单地写一次ix = np.arange(k)，然后根据需要对该范围进行切片：
np.arange(k-i) == ix[:-i]
【讨论】：
试试这个：
>>> A = np.zeros((6,6))
>>> i,j = np.indices(A.shape)
>>> z = [1, 2, 3, 4, 5]
现在您可以直观地访问任何对角线：
>>> A[i==j-1] = z
>>> A
array([[ 0., 1., 0., 0., 0., 0.],
[ 0., 0., 2., 0., 0., 0.],
[ 0., 0., 0., 3., 0., 0.],
[ 0., 0., 0., 0., 4., 0.],
[ 0., 0., 0., 0., 0., 5.],
[ 0., 0., 0., 0., 0., 0.]])
同样的方式你可以将数组分配给A[i==j]等
【讨论】：
i==j-1）效率不高。在 1000x1000 矩阵上，设置第一个上对角线比直接指定索引慢大约 100 倍。这是因为您需要进行一百万次== 比较来构建布尔掩码（更不用说在内存中拥有大型布尔矩阵）。当然，这是否重要取决于您的用例。
这是另一种只是为了好玩的方法。您可以编写自己的对角线函数来返回您需要的对角线视图。
import numpy as np
def diag(a, k=0):
if k > 0:
a = a[:, k:]
elif k < 0:
a = a[-k:, :]
shape = (min(a.shape),)
strides = (sum(a.strides),)
return np.lib.stride_tricks.as_strided(a, shape, strides)
a = np.arange(20).reshape((4, 5))
diag(a, 2)[:] = 88
diag(a, -2)[:] = 99
print(a)
# [[ 0 1 88 3 4]
# [ 5 6 7 88 9]
# [99 11 12 13 88]
# [15 99 17 18 19]]
【讨论】：