Python numpy：使用不同的值填充偏移对角线

我需要制作一个

n*n

矩阵

m

，其元素遵循

m（I，I+1）=sqrt（I）

，否则为0。例如，对于

n=5

，我们应该

[0 a 0 0 0]
[0 0 b 0 0]
[0 0 0 c 0]
[0 0 0 0 d]
[0 0 0 0 0]

其中

{a，b，c，d}=sqrt（{1,2,3,4}）

。是一个常数三对角矩阵的解，但我的例子要复杂一点。我知道我可以通过循环或列表理解来做到这一点，但还有其他方法吗<代码>n可能很大

e、 g.（列表理解代码）

---

一种方法是创建零数组，然后使用索引选择所需的索引并用平方根值填充

例如：

>>> z = np.zeros((5,5))
>>> rng = np.arange(4)
>>> z[rng, rng+1] = np.sqrt(rng+1)
>>> z
array([[ 0.        ,  1.        ,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  1.41421356,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  1.73205081,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  0.        ,  2.        ],
       [ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ]])

---

您可以直接使用

np.diag

：

>>> d = np.sqrt(1 + np.arange(4))
>>> np.diag(d, 1)
array([[ 0.        ,  1.        ,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  1.41421356,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  1.73205081,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  0.        ,  2.        ],
       [ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ]])

---

np.diag

的第二个参数指定了所讨论的对角线。

显然有点晚了，但我想在这个问题中介绍numpy diagflat方法。可以这样做：

import numpy as np

n = 5

aux = np.arange(1 , n)
aux = np.sqrt(aux)

A = np.diagflat(aux , 1)

---

第二行应该是

rng=np.arange（4）

import numpy as np

n = 5

aux = np.arange(1 , n)
aux = np.sqrt(aux)

A = np.diagflat(aux , 1)