更改 numpy 中矩阵对角线的值

Question

如何更改 numpy 中矩阵对角线的值？

我检查了Numpy修改ndarray对角线，但是那里的功能在numpy v 1.3.0中没有实现。

假设我们有一个 np.array X，我想将对角线的所有值设置为 0。

Answer 1

你尝试过吗

numpy.fill_diagonal

？请参阅以下答案和此讨论。或者文档中的以下内容：

https://numpy.org/doc/stable/reference/ generated/numpy.fill_diagonal.html

Answer 2

如果您使用的 numpy 版本没有

fill_diagonal

（将对角线设置为常量的正确方法）或

diag_indices_from

，您可以通过数组切片轻松完成此操作：

# assuming a 2d square array
n = mat.shape[0]
mat[range(n), range(n)] = 0

这比 Python 中的显式循环快得多，因为循环发生在 C 中并且可能被矢量化。

这样做的一个好处是，您还可以用元素列表而不是常数值填充对角线（如

diagflat

，但用于修改现有矩阵而不是创建新矩阵）。例如，这会将矩阵的对角线设置为 0, 1, 2, ...:

# again assuming 2d square array
n = mat.shape[0]
mat[range(n), range(n)] = range(n)

如果你需要支持更多的数组形状，这会更复杂（这就是为什么 fill_diagonal 很好......）：

m[list(zip(*map(range, m.shape)))] = 0

（仅在 Python 3 中才需要

list

调用，其中

zip

返回迭代器。）

Answer 3

您可以使用

numpy.diag_indices_from()

获取数组对角线元素的索引。然后设置这些索引的值。

X[np.diag_indices_from(X)] = 0.

示例：

>>> import numpy as np
>>> X = np.random.rand(5, 5)

>>> print(X)
[[0.59480384 0.20133725 0.59147423 0.22640441 0.40898203]
 [0.65230581 0.57055258 0.97009881 0.58535275 0.32036626]
 [0.71524332 0.73424734 0.92461381 0.38704119 0.08147428]
 [0.18931865 0.97366736 0.11482649 0.82793141 0.13347333]
 [0.47402986 0.73329347 0.18892479 0.11883424 0.78718883]]

>>> X[np.diag_indices_from(X)] = 0
>>> print(X)
[[0.         0.20133725 0.59147423 0.22640441 0.40898203]
 [0.65230581 0.         0.97009881 0.58535275 0.32036626]
 [0.71524332 0.73424734 0.         0.38704119 0.08147428]
 [0.18931865 0.97366736 0.11482649 0.         0.13347333]
 [0.47402986 0.73329347 0.18892479 0.11883424 0.        ]]

Answer 4

这是另一个好方法。如果您想要数组主对角线的一维视图，请使用：

A.ravel()[:A.shape[1]**2:A.shape[1]+1]

对于第 i 个超对角线的使用：

A.ravel()[i:max(0,A.shape[1]-i)*A.shape[1]:A.shape[1]+1]

对于第 i 个下对角线的使用：

A.ravel()[A.shape[1]*i:A.shape[1]*(i+A.shape[1]):A.shape[1]+1]

或者一般来说，对于主对角线为 0 的第 i 个对角线，次对角线为负，上对角线为正，使用：

A.ravel()[max(i,-A.shape[1]*i):max(0,(A.shape[1]-i))*A.shape[1]:A.shape[1]+1]

这些是视图而不是副本，因此它们提取对角线的速度会更快，但对新数组对象所做的任何更改都将应用于原始数组。 在我的机器上，当将主对角线设置为常量时，它们的运行速度比 fill_diagonal 函数更快，但情况可能并不总是如此。它们还可以用于将值数组分配给对角线，而不仅仅是一个常量。

注意：对于小型数组，使用 NumPy 数组的

flat

属性可能会更快。 如果速度是一个主要问题，那么将

A.shape[1]

设为局部变量可能是值得的。 另外，如果数组不连续，

ravel()

将返回一个副本，因此，为了将值分配给跨步切片，有必要创造性地对用于生成跨步切片的原始数组进行切片（如果它是连续的） ）或使用

flat

属性。

此外，最初计划在 NumPy 1.10 及更高版本中，数组的“对角线”方法将返回视图而不是副本。 虽然这种改变还没有发生，但希望在某个时候不再需要这种获取视图的技巧。 请参阅http://docs.scipy.org/doc/numpy-dev/reference/ generated/numpy.diagonal.html

Answer 5

def replaceDiagonal(matrix, replacementList):
    for i in range(len(replacementList)):
        matrix[i][i] = replacementList[i]

其中大小为 n x n 矩阵中的 n。

Answer 6

>>> a = numpy.random.rand(2,2)
>>> a
array([[ 0.41668355,  0.07982691], 
       [ 0.60790982,  0.0314224 ]])
>>> a - numpy.diag(numpy.diag(a))
array([[ 0.        ,  0.07982691],
       [ 0.60790982,  0.        ]])

Answer 7

您可以执行以下操作。

假设你的矩阵是 4 * 4 矩阵。

indices_diagonal = np.diag_indices(4)

yourarray[indices_diagonal] = Val