numpy.fill_diagonal #

麻木的。fill_diagonal ( a , val , wrap = False ) [来源] #

填充任意维度的给定数组的主对角线。

对于带有 的数组a,对角线是索引全部相同的位置列表。该函数就地修改输入数组,它不返回值。a.ndim >= 2a[i, ..., i]

参数
一个数组,至少是二维的。

要填充对角线的数组,它会就地修改。

val标量或 array_like

要写在对角线上的值。如果val是标量,则该值沿对角线写入。如果类似于数组,则沿对角线写入展平的val ,并根据需要重复填充所有对角线条目。

包裹布尔值

对于 NumPy 版本高达 1.6.2 的高矩阵,对角线在 N 列之后“包裹”。您可以使用此选项实现此行为。这仅影响高矩阵。

笔记

1.4.0 版本中的新增功能。

此功能可以通过 获得diag_indices,但在内部此版本使用更快的实现,从不构造索引并使用简单的切片。

例子

>>> a = np.zeros((3, 3), int)
>>> np.fill_diagonal(a, 5)
>>> a
array([[5, 0, 0],
       [0, 5, 0],
       [0, 0, 5]])

相同的函数可以对 4 维数组进行操作:

>>> a = np.zeros((3, 3, 3, 3), int)
>>> np.fill_diagonal(a, 4)

为了清楚起见,我们只显示了几个块:

>>> a[0, 0]
array([[4, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])
>>> a[1, 1]
array([[0, 0, 0],
       [0, 4, 0],
       [0, 0, 0]])
>>> a[2, 2]
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 4]])

环绕选项仅影响高矩阵:

>>> # tall matrices no wrap
>>> a = np.zeros((5, 3), int)
>>> np.fill_diagonal(a, 4)
>>> a
array([[4, 0, 0],
       [0, 4, 0],
       [0, 0, 4],
       [0, 0, 0],
       [0, 0, 0]])
>>> # tall matrices wrap
>>> a = np.zeros((5, 3), int)
>>> np.fill_diagonal(a, 4, wrap=True)
>>> a
array([[4, 0, 0],
       [0, 4, 0],
       [0, 0, 4],
       [0, 0, 0],
       [4, 0, 0]])
>>> # wide matrices
>>> a = np.zeros((3, 5), int)
>>> np.fill_diagonal(a, 4, wrap=True)
>>> a
array([[4, 0, 0, 0, 0],
       [0, 4, 0, 0, 0],
       [0, 0, 4, 0, 0]])

numpy.flipud可以通过使用或反转元素的顺序来填充反对角线numpy.fliplr

>>> a = np.zeros((3, 3), int);
>>> np.fill_diagonal(np.fliplr(a), [1,2,3])  # Horizontal flip
>>> a
array([[0, 0, 1],
       [0, 2, 0],
       [3, 0, 0]])
>>> np.fill_diagonal(np.flipud(a), [1,2,3])  # Vertical flip
>>> a
array([[0, 0, 3],
       [0, 2, 0],
       [1, 0, 0]])

请注意,填充对角线的顺序根据翻转函数的不同而变化。