在numpy中更改矩陣對角線的值

Question

如何更改numpy中矩陣對角線的值？

我檢查了Numpy modify ndarray diagonal，但是函數沒有在numpy v 1.3.0中實現。

可以說我們有一個np.array X，我想對角線的所有值設置爲0。

Answer 1

你試過numpy.fill_diagonal？請參閱以下answer和此discussion。或從文檔以下（目前雖然破）：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.fill_diagonal.html

Answer 2

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

如果大小是一個n×n矩陣ñ。

Answer 3

如果您使用的是版本numpy的，其不具有fill_diagonal（在right way對角線設置爲常數），或者diag_indices_from，你可以用數組切片做到這一點很容易地：

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

這比在Python外在的循環快得多，因爲循環發生在C和潛在地量化。

這樣做的一個好處是，您還可以用元素列表填充對角線，而不是一個常量值（如diagflat，但用於修改現有矩陣而不是創建新矩陣）。例如，這將設置對角矩陣的對0，1，2，...：

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

如果需要支持更多的數組的形狀，這是更復雜（這就是爲什麼fill_diagonal是好的。 ..）：

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

（該list通話只需要在Python 3，凡zip返回迭代器）

Answer 4

下面是做到這一點的另一個好方法。如果你想在陣列的主對角線使用的一維視圖：

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

對於第i個superdiagonal使用：

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

對於第i次對角使用：

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

或者一般情況下，對於主對角線爲0的第i個對角線，子對角線爲負值，超對角線爲正，使用：

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

這些觀點，而不是拷貝，那麼他們將運行用於提取對角線快，但新的數組對象所做的任何更改將應用​​到原始數組。 在我的機器上，當將主對角線設置爲常量時，它們的運行速度比fill_diagonal函數快，但情況並非總是如此。它們也可以用來爲一個對角線而不是一個常量賦值一個數組。

注意：對於小陣列，使用NumPy數組的flat屬性可能會更快。 如果速度是一個主要問題，它可能是值得的A.shape[1]本地變量。 此外，如果數組不連續，ravel()將返回一個副本，因此，爲了將值分配給跨步切片，需要創建切片用於生成跨步切片的原始數組（如果它是連續的）或使用flat屬性。

此外，最初計劃在NumPy 1.10及更高版本中，數組的「對角線」方法將返回視圖而不是副本。 雖然這個改變還沒有做出，但希望在某個時候這個伎倆來獲得一個觀點將不再是必要的。 見http://docs.scipy.org/doc/numpy-dev/reference/generated/numpy.diagonal.html

Answer 5

>>> 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 6

最小。碼。

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

Answer 7

你可以做到以下幾點。

假設您的矩陣是4 * 4矩陣。

indices_diagonal = np.diag_indices(4) 

yourarray[indices_diagonal] = Val