将numpy中的对角化扩展到2维以上

我有一个向量

>>> import numpy as np
>>> v = np.array([1, 2, 3]) 

在努比。我们使用

np.diag

从这个向量创建一个对角矩阵，得到以下结果

[[1, 0, 0],
[0, 2, 0],
[0, 0, 3]]

但是，如中所述，

np.diag

函数仅适用于一维和二维矩阵。 如果

v

的元素本身是

nxm

np数组怎么办？如何方便快速地对那个数组进行对角化？来吧，重点是我们将有

nxm

大小的零矩阵，而不是0

这就是我想要的：

Q = [Q1, Q2, Q3, Q4, Q5]

其中

Q_i

是

nxm

矩阵，即

Q_i.shape=（n，m）

。因此，

Q

的形状是

（5，n，m）

。 现在我想要一个对角矩阵：

Q_diag =
[[Q1 0 0 0 0]
[0 Q2 0 0 0]
[0 0 Q3 0 0]
[0 0 0 Q4 0]
[0 0 0 0 Q5]]

---

而

0

实际上本身就是

nxm

矩阵，也就是说，具有

（n，m）

的形状。所以在所有的形状中，Q_diag都是Q_diag.shape=（5，5，n，m）。

几分钟前你刚刚问过这个问题。好的，它被标记为重复，但是你应该在评论中提出你的对象，而不是重复同样的问题。你需要更清楚地解释你需要什么。准确地展示你的期望。如果我们不知道慢是什么，我们就不能帮助快速。我们想要对向量的元素进行对角化，元素本身就是numpy数组。np.diag不允许你这么做。是的，它不应该使用Python的for循环，因为这些循环效率很低，比我们提出的任何本机numpy实现慢300倍。我还在等待一个工作示例——即使它使用了那些可怕的循环。