Question

是否有更多的pythonic方式来执行以下操作：

import numpy as np
def diagonal(A):
    (x,y,y) = A.shape
    diags = []
    for a in A: diags.append(np.diagonal(a))
    result = np.vstack(diags)
    assert result.shape == (x,y)
    return result

Answer 1

方法＃1

clean 方式将在转换版本的输入数组上使用np.diagonal，如此 -

np.diagonal(A.T)

基本上，我们用A.T来翻转输入数组的维度，让np.diagonal使用最后两个轴来提取对角元素，因为默认情况下它会使用前两个轴而不是。最好的是这适用于任意数量维的数组。

方法＃2

这是使用advanced and basic indexing -

组合的另一种方法

m,n = A.shape[:2]
out = A[np.arange(m)[:,None],np.eye(n,dtype=bool)]

还可以使用basic indexing -

进行一些重塑

out = A.reshape(m,-1)[:,np.eye(n,dtype=bool).ravel()]

示例运行 -

In [87]: A
Out[87]: 
array([[[73, 52, 62],
        [20,  7,  7],
        [ 1, 68, 89]],

       [[15, 78, 98],
        [24, 22, 35],
        [19,  1, 91]],

       [[ 5, 37, 64],
        [22,  4, 43],
        [84, 45, 12]],

       [[24, 45, 42],
        [70, 45,  1],
        [ 6, 48, 60]]])

In [88]: np.diagonal(A.T)
Out[88]: 
array([[73,  7, 89],
       [15, 22, 91],
       [ 5,  4, 12],
       [24, 45, 60]])

In [89]: m,n = A.shape[:2]

In [90]: A[np.arange(m)[:,None],np.eye(n,dtype=bool)]
Out[90]: 
array([[73,  7, 89],
       [15, 22, 91],
       [ 5,  4, 12],
       [24, 45, 60]])

Answer 2

假设A将是一个形状为（m，n，n）的数组（即A可以解释为形状为m的{{1}}数组的集合），这是一个快速方法，它返回输入的视图：

(n, n)

当我说返回值是视图时，我的意思是它指的是与输入相同的底层内存。因此，如果您稍后更改原位返回值，原始输入也会更改。例如，

In [14]: from numpy.lib.stride_tricks import as_strided

In [15]: def diags(a):
   ....:     b = as_strided(a, strides=(a.strides[0], a.strides[1]+a.strides[2]), shape=(a.shape[0], a.shape[1]))
   ....:     return b
   ....: 

In [16]: a
Out[16]: 
array([[[8, 6, 6, 5],
        [1, 0, 3, 5],
        [8, 1, 6, 7],
        [2, 8, 7, 1]],

       [[0, 8, 8, 0],
        [1, 4, 2, 4],
        [1, 4, 5, 6],
        [2, 5, 2, 7]],

       [[5, 2, 5, 2],
        [2, 5, 7, 6],
        [6, 5, 1, 8],
        [7, 6, 5, 8]]])

In [17]: diags(a)
Out[17]: 
array([[8, 0, 6, 1],
       [0, 4, 5, 7],
       [5, 5, 1, 8]])

多维numpy数组的对角线

2 个答案: