dask.array.diagonal

dask.array.diagonal¶

dask.array.diagonal(a, offset=0, axis1=0, axis2=1)[源代码]¶

返回指定的对角线。

此文档字符串是从 numpy.diagonal 复制的。

Dask 版本可能存在一些不一致性。

如果 a 是二维的，返回 a 的指定偏移的对角线，即形式为 a[i, i+offset] 的元素集合。如果 a 有多于两个维度，那么由 axis1 和 axis2 指定的轴用于确定其对角线被返回的二维子数组。结果数组的形状可以通过移除 axis1 和 axis2，并在右侧附加一个等于结果对角线大小的索引来确定。

在NumPy 1.7之前的版本中，此函数总是返回一个包含对角线值副本的新独立数组。

在 NumPy 1.7 和 1.8 中，它继续返回对角线的副本，但依赖于此事实已被弃用。写入结果数组的行为与过去相同，但会发出 FutureWarning。

从 NumPy 1.9 开始，它返回原始数组的只读视图。尝试写入结果数组将产生错误。

在未来的某个版本中，它将返回一个可读/写的视图，并且写入返回的数组将改变原始数组。返回的数组将与输入数组具有相同的类型。

如果你不向这个函数返回的数组写入数据，那么你可以忽略上述所有内容。

如果你依赖当前的行为，那么我们建议显式地复制返回的数组，即使用 np.diagonal(a).copy() 而不是仅仅 np.diagonal(a)。这将适用于NumPy的过去和未来版本。

参数

aarray_like: 从中提取对角线的数组。
偏移量int, 可选: 对角线相对于主对角线的偏移量。可以是正数或负数。默认为主对角线（0）。
轴1int, 可选: 要作为2-D子数组的第一个轴使用的轴，从中应提取对角线。默认为第一个轴（0）。
axis2int, 可选: 要作为二维子数组的第二个轴使用的轴，应从中提取对角线。默认为第二个轴（1）。

返回

array_of_diagonalsndarray

如果 a 是二维的，那么将返回一个包含对角线的1维数组，且类型与 a 相同，除非 a 是一个矩阵，在这种情况下，为了保持向后兼容性，将返回一个1维数组而不是一个（二维）`矩阵`。

如果 a.ndim > 2，那么由 axis1 和 axis2 指定的维度将被移除，并在末尾插入一个新的轴，对应于对角线。

Raises

ValueError: 如果 a 的维度小于 2。

参见

diag: MATLAB 的 1-D 和 2-D 数组类似物。
diagflat: 创建对角阵列。
trace: 沿对角线求和。

示例

>>> import numpy as np  
>>> a = np.arange(4).reshape(2,2)  
>>> a  
array([[0, 1],
       [2, 3]])
>>> a.diagonal()  
array([0, 3])
>>> a.diagonal(1)  
array([1])

一个三维示例：

>>> a = np.arange(8).reshape(2,2,2); a  
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
>>> a.diagonal(0,  # Main diagonals of two arrays created by skipping  
...            0,  # across the outer(left)-most axis last and
...            1)  # the "middle" (row) axis first.
array([[0, 6],
       [1, 7]])

我们刚刚得到的子数组的主对角线；请注意，每个子数组对应于固定最右边的（列）轴，并且对角线是按行“打包”的。

>>> a[:,:,0]  # main diagonal is [0 6]  
array([[0, 2],
       [4, 6]])
>>> a[:,:,1]  # main diagonal is [1 7]  
array([[1, 3],
       [5, 7]])

反对角线可以通过使用 numpy.flipud 或 numpy.fliplr 反转元素的顺序来获得。

>>> a = np.arange(9).reshape(3, 3)  
>>> a  
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> np.fliplr(a).diagonal()  # Horizontal flip  
array([2, 4, 6])
>>> np.flipud(a).diagonal()  # Vertical flip  
array([6, 4, 2])

请注意，对角线检索的顺序会根据翻转函数的变化而变化。

dask.array.diag

dask.array.diff