NumPy包中的内置diag函数很有意思。

假设创建一个1维数组a，和一个3*3数组b：

import numpy as np
a = np.arange(1, 4)
b = np.arange(1, 10).reshape(3, 3)

结果如下：

>>> a
array([1, 2, 3])
>>> b
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])

使用diag函数，看一看结果：

>>> np.diag(a)
array([[1, 0, 0],
[0, 2, 0],
[0, 0, 3]])
>>> np.diag(b)
array([1, 5, 9])

可以发现，当 np.diag(array) 中

array是一个1维数组时，结果形成一个以一维数组为对角线元素的矩阵

array是一个二维矩阵时，结果输出矩阵的对角线元素

补充：numpy.diag()结构及用法||参数详解

numpy.diag(v,k=0) 

官方文档

以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换成方阵（非对角线元素为0）.两种功能角色转变取决于输入的v。1

更深层的见numpy.diagnal()

参数详解：

v : array_like.

如果v是2D数组，返回k位置的对角线。

如果v是1D数组，返回一个v作为k位置对角线的2维数组。

k : int, optional

对角线的位置，大于零位于对角线上面，小于零则在下面。

示例

>>> 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]])