时间：2022-09-21 08:28:55 | 栏目：Python代码 | 点击：次
前提：
import numpy as np
np.identity(4)
array([[ 1., 0., 0., 0.],
[ 0., 1., 0., 0.],
[ 0., 0., 1., 0.],
[ 0., 0., 0., 1.]])
np.eye(4)
array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.]])
np.diag([1] * 4) Out[1]: array([[1, 0, 0, 0], [0, 1, 0, 0], [0, 0, 1, 0], [0, 0, 0, 1]]) np.diag([2] * 4) Out[2]: array([[2, 0, 0, 0], [0, 2, 0, 0], [0, 0, 2, 0], [0, 0, 0, 2]])
有趣的地方是前两种方法元素都是浮点数，最后一种是整数，使用的时候注意区分就好
最近博主在研究kalman滤波，里面初始矩阵定义需要对角阵，于是查了一些资料，发现numpy中有一个eye函数可以达到这样的目的
np.eye(N,M=None,k=0,dtype=<class 'float'>,order='C)
N表示输出的行数；M表示输出的列数，不给默认等于N；K默认等于0，表示主对角线，负数代表低对角，正数代表高对角；dtype表示输出数据的类型；order表示输出的数组的形式是按照C语言的行优先’C’，还是按照Fortran形式的列优先‘F’存储在内存中。 a = np.eye(4)
print(type(a))
print(a)
a = np.mat(a)
print(type(a))
print(a)
a = a.I
print(type(a))
print(a)
>>><class 'numpy.ndarray'>
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]]
<class 'numpy.matrix'>
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]]
<class 'numpy.matrix'>
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]]
a = np.eye(4,k=1)
print(type(a))
print(a)
a = np.mat(a)
print(type(a))
print(a)
a = a.T
print(type(a))
print(a)
>>><class 'numpy.ndarray'>
[[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]
[0. 0. 0. 0.]]
<class 'numpy.matrix'>
[[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]
[0. 0. 0. 0.]]
<class 'numpy.matrix'>
[[0. 0. 0. 0.]
[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]]