使用Python实现生成对角矩阵和对角块矩阵

 更新时间:2024年01月18日 10:15:07   作者:微小冷  
这篇文章主要为大家详细介绍了如何使用Python实现生成对角矩阵和对角块矩阵,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下

矩阵可视化

为了展现不同矩阵之间的差别,在具体介绍scipy中的不同矩阵之前,先构造一个用于绘制矩阵的函数

import matplotlib.pyplot as plt
from itertools import product
def drawMat(x, ax=None):
    M, N = x.shape
    if not ax:
        ax = plt.subplot()
    arrM, arrN = np.arange(M), np.arange(N)
    plt.yticks(arrM+0.5, arrM)
    plt.xticks(arrN+0.5, arrN)
    ax.pcolormesh(x)
    ax.invert_yaxis()
    for i,j in product(range(M),range(N)):
        if x[i,j]!=0:
            ax.text(j+0.2, i+0.55, f"{x[i,j]:.2}")

对角矩阵

scipy中的函数

在scipy.linalg中,通过tri(N, M=None, k=0, dtype=None)可生成N × M N\times MN×M对角矩阵,若M=None,则M MM默认为N NN。k表示矩阵中用1填充的次对角线个数。

print(tri(3,5,2,dtype=int))
'''
[[1 1 1 0 0]
 [1 1 1 1 0]
 [1 1 1 1 1]]
'''

在numpy中也提供了多种对角矩阵生成函数,包括diag, diagflat, tri, tril, triu等,

numpy.diagflat

diagflat用于生成对角矩阵,diag在diagflat基础上,添加了提取对角元素的功能,例如

>>> np.diagflat([1,2,3])
array([[1, 0, 0],
       [0, 2, 0],
       [0, 0, 3]])
>>> np.diag([1,2,3])
array([[1, 0, 0],
       [0, 2, 0],
       [0, 0, 3]])
>>> np.diag(np.ones([3,3])) #提取对角元素
array([1., 1., 1.])

numpy.tri

tri(M,N,k)用于生成M行N列的三角阵,其元素为0或者1,k用于调节0和1的分界线相对于对角线的位置,例如

fig = plt.figure()
mats = {
    351:np.tri(3,5,1),
    352:np.tri(3,5,2),
    353:np.tri(3,5,3)
}
for i,key in enumerate(mats, 1):
    ax = fig.add_subplot(1,3,i)
    drawMat(mats[key], ax)

​​​​​​​plt.show()

tril, triu可用于提取出矩阵的左下和右上的三角阵,其输入参数除了待提取矩阵之外,另一个参数与tri中的k相同。

fig = plt.figure()
x = np.arange(12).reshape(4,3)
mats = [np.tril(x,-1),np.triu(x,-1)]
for i,mat in enumerate(mats, 1):
    print(i, mat)
    ax = fig.add_subplot(1,2,i)
    drawMat(mat.astype(float), ax)

plt.show()

对角块矩阵

对于scipy.linalg.block_diag(A,B,C)而言,会生成如下形式矩阵

from scipy.linalg import *
import numpy as np
A = np.ones([2,2])
B = np.round(np.random.rand(3,3),2)
C = np.diag([1,2,3])
bd = block_diag(A,B,C)
drawMat(bd)
plt.show()

绘图结果如下

其中

到此这篇关于使用Python实现生成对角矩阵和对角块矩阵的文章就介绍到这了,更多相关Python对角矩阵内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python版本控制和环境管理过程

    python版本控制和环境管理过程

    本文介绍了如何通过添加软件源和更新来安装最新版本的Python,避免了使用CMake等复杂工具,文章详细解释了如何创建和管理软链接,以确保系统默认使用正确的Python版本,此外,还介绍了如何配置pip以使用国内源,提高软件包下载速度
    2026-01-01
  • Python设计模式中单例模式的实现及在Tornado中的应用

    Python设计模式中单例模式的实现及在Tornado中的应用

    这篇文章主要介绍了Python设计模式中单例模式的实现及在Tornado中的应用,讲解了单例模式用于设计Tornado框架中的线程控制方面的相关问题,需要的朋友可以参考下
    2016-03-03
  • Anaconda配置各版本Pytorch的实现

    Anaconda配置各版本Pytorch的实现

    本文是整理目前全版本pytorch深度学习环境配置指令,以下指令适用Windows操作系统,在Anaconda Prompt中运行,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2021-08-08
  • python opencv之分水岭算法示例

    python opencv之分水岭算法示例

    这篇文章主要介绍了python opencv之分水岭算法示例,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-02-02
  • python的绘图工具matplotlib使用实例

    python的绘图工具matplotlib使用实例

    这篇文章主要介绍了python的绘图工具matplotlib使用实例,需要的朋友可以参考下
    2014-07-07
  • python 文件操作删除某行的实例

    python 文件操作删除某行的实例

    下面小编就为大家带来一篇python 文件操作删除某行的实例。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-09-09
  • Python实现堆排序案例详解

    Python实现堆排序案例详解

    这篇文章主要介绍了Python实现堆排序案例详解,本篇文章通过简要的案例,讲解了该项技术的了解与使用,以下就是详细内容,需要的朋友可以参考下
    2021-09-09
  • python中的实例方法、静态方法、类方法、类变量和实例变量浅析

    python中的实例方法、静态方法、类方法、类变量和实例变量浅析

    这篇文章主要介绍了python中的实例方法、静态方法、类方法、类变量和实例变量浅析,需要的朋友可以参考下
    2014-04-04
  • 深度学习Tensorflow2.8 使用 BERT 进行文本分类

    深度学习Tensorflow2.8 使用 BERT 进行文本分类

    这篇文章主要为大家介绍了深度学习Tensorflow2.8 使用 BERT 进行文本分类示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2023-01-01
  • Python PCA降维的两种实现方法

    Python PCA降维的两种实现方法

    大家好,本篇文章主要讲的是Python PCA降维的两种实现方法,感兴趣的的同学赶快来看一看吧,对你有帮助的话记得收藏一下
    2022-01-01

最新评论