numpy计算顺序如何影响结果？

为什么下面两行代码计算相同的东西，但得到的结果不同

kernel1 = np.diag(np.exp(-scale*eigen_values))
kernel2 = np.exp(-scale*np.diag(eigen_values))

输出

False

---

看看这些价值观！然后您将看到问题：当给定一个1-d数组时，将创建一个2-d数组，其中零位于非对角位置。在

kernel1

中，最后执行

diag

，因此非对角值为0。在

kernel2

中，在

diag

之后应用

exp

，并且

exp（0）

是1，因此在

kernel2

中，非对角项都是1。（请记住，这是按元素应用的；它不是矩阵指数。）

---

本征值是（n，）

False

In [19]: eigen_values = np.array([1, 0.5, 0.1])

In [20]: scale = 1.0

In [21]: np.diag(np.exp(-scale*eigen_values))
Out[21]: 
array([[0.36787944, 0.        , 0.        ],
       [0.        , 0.60653066, 0.        ],
       [0.        , 0.        , 0.90483742]])

In [22]: np.exp(-scale*np.diag(eigen_values))
Out[22]: 
array([[0.36787944, 1.        , 1.        ],
       [1.        , 0.60653066, 1.        ],
       [1.        , 1.        , 0.90483742]])