Python NumPy의 diag 함수 사용 설명
1차원 그룹 a와 3*3 그룹 b를 만드는 경우:
import numpy as np
a = np.arange(1, 4)
b = np.arange(1, 10).reshape(3, 3)
결과는 다음과 같습니다.>>> a
array([1, 2, 3])
>>> b
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
diag 함수를 사용하여 결과를 확인합니다.
>>> np.diag(a)
array([[1, 0, 0],
[0, 2, 0],
[0, 0, 3]])
>>> np.diag(b)
array([1, 5, 9])
발견할 수 있다,np.diag(array)에서
array가 1차원 그룹일 때, 결과는 1차원 그룹을 대각선 원소로 하는 행렬을 형성한다
array는 2차원 매트릭스일 때 결과 출력 매트릭스의 대각선 원소
numpy.diag () 구조 및 사용법 | | 매개 변수 상세 정보
numpy.diag(v,k=0)
공식 문서 1차원 수조의 형식으로 방진의 대각선(또는 비대각선) 원소를 되돌리거나 1차원 수조를 방진(비대각선 원소는 0)으로 전환한다.두 가지 기능 역할 전환은 입력한 v에 달려 있다.일
더욱 깊은 견해numpy.diagnal()
매개변수 세부 정보:
v : array_like.
v가 2D 배열이면 k 위치의 대각선을 반환합니다.
만약 v가 1D 그룹이라면, k위치 대각선의 2차원 그룹으로 v를 되돌려줍니다.
k : int, optional
대각선의 위치는 0보다 크면 대각선 위에 있고, 0보다 작으면 아래에 있다.
예제
>>> 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]])
이상의 개인적인 경험으로 여러분께 참고가 되었으면 좋겠습니다. 또한 많은 응원 부탁드립니다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Python의 None과 NULL의 차이점 상세 정보그래서 대상 = 속성 + 방법 (사실 방법도 하나의 속성, 데이터 속성과 구별되는 호출 가능한 속성 같은 속성과 방법을 가진 대상을 클래스, 즉 Classl로 분류할 수 있다.클래스는 하나의 청사진과 같아서 하나의 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.