Python 如何将方形numpy矩阵重塑为；钻石“；对角线结构的优化最有效

假设我有一个这样的正方形

numpy.matrix

[['78' '17' '53' '28']
 ['22' '75' '31' '67']
 ['15' '94' '03' '80']
 ['04' '62' '16' '14']]

出于我的目的，我需要一个像这样的“菱形结构”，所有的对角线都朝上（注意列表列表对于我来说很好）

最好的方法是什么

我无法决定是否需要使用一些位置访问的增量魔法，或者使用

numpy.diagonal

的内置方式，我还没有成功地使用

import numpy as np

a=np.array([[78, 17, 53, 28],
    [22, 75, 31, 67],
    [15, 94, 03, 80],
    [04, 62, 16, 14]])

[np.diag(a[-1:-a.shape[0]-1:-1,:], i).tolist() for i in range(-a.shape[0]+1,a.shape[0])]

按要求输出[[78]、[22,17]、[15,75,53]、[4,94,31,28]、[62,3,67]、[16,80]、[14]]

---

对于1000x1000矩阵，它的工作速度也非常快

这不再是NxN数组/矩阵，除非您屏蔽了其他值，或者您实际上只需要该形式的列表。你为什么需要这个？你能重新安排你的索引来模仿它吗？是的，我知道它不再是一个方阵/数组，一个列表列表就可以了。我需要这些对角线来进行一些类似列表的操作，这些操作取决于每个对角线的长度，这是我事先不知道的（不是简单的4x4情况，更像~1000x~1000情况）。循环很容易，我渴望看到一个矢量化/整洁的解决方案。@timgeb同意，是的，印度循环和已知的矩阵大小非常简单，只是有点乏味。似乎一定有更好的解决方案。请使用

range

而不是

xrange

，因为问题是针对python3的，否则：答案很好！

import numpy as np

a=np.array([[78, 17, 53, 28],
    [22, 75, 31, 67],
    [15, 94, 03, 80],
    [04, 62, 16, 14]])

[np.diag(a[-1:-a.shape[0]-1:-1,:], i).tolist() for i in range(-a.shape[0]+1,a.shape[0])]