numpy模块中有个函数diagonal，就是处理对角线的函数
numpy.diag(v,k=0)
以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换成方阵（非对角线元素为0）.两种功能角色转变取决于输入的v
v : array_like.
如果v是2D数组，返回k位置的对角线。
如果v是1D数组，返回一个v作为k位置对角线的2维数组。
k : int, optional
对角线的位置，大于零位于对角线上面，小于零则在下面。
当 v是1D数组时
import numpy as np
a=np.arange(4)
print('a= ')
print(a)
z=np.diag(
`numpy.diag()`函数是NumPy库中的一个非常实用的工具，用于处理矩阵的对角线元素。这个函数有两种主要的功能，一是从二维数组中提取指定对角线的元素，二是将一维数组转换为二维对角矩阵。接下来，我们将详细讨论`numpy.diag()`的用法和参数。
`numpy.diag(v, k=0)`函数接受两个参数：
1. `v`: 这个参数是`array_like`类型，可以是一个一维或二维数组。如果`v`是一个二维数组，`numpy.diag(v)`会返回数组的主对角线（k=0）上的元素，形成一个一维数组。如果`v`是一维数组，函数将创建一个二维数组，其中`v`的元素位于对角线上，其余位置填充0。
2. `k`: 这是一个可选的整数参数，表示对角线的位置。默认值为0，表示主对角线。如果`k`为正数，函数返回上方的对角线；如果`k`为负数，返回下方的对角线。
举例来说，我们先创建一个一维数组`a`：
```python
import numpy as np
a = np.arange(4)
```
此时`a`的值为`[0, 1, 2, 3]`。如果我们调用`numpy.diag(a)`：
```python
z = np.diag(a)
```
得到的`z`将是一个二维数组，其中`a`的元素位于主对角线上，其他位置为0：
```python
z = [[0, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 2, 0],
[0, 0, 0, 3]]
```
如果我们有一个二维数组，如：
```python
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
```
调用`numpy.diag(a)`将返回主对角线上的元素，即`[1, 5, 9]`。
通过调整`k`参数，我们可以选择不同的对角线。例如，`numpy.diag(a, k=1)`会返回上方的对角线元素`[2, 6]`，而`numpy.diag(a, k=-1)`将返回下方的对角线元素`[4, 8]`。
`numpy.diag()`函数在处理数据时非常有用，特别是在矩阵运算、特征值分析和线性代数问题中。它能方便地提取和构造对角矩阵，简化了对角线操作的代码。对于大型数据集，使用NumPy这样的库进行计算可以显著提高效率，因为它底层采用C语言实现，提供了高效的数值计算能力。
`numpy.diag()`是一个强大的工具，能够帮助开发者轻松处理与对角线相关的任务。无论是提取对角线元素，还是构建对角矩阵，这个函数都能提供简洁的解决方案。在实际编程中，理解并熟练运用`numpy.diag()`，可以极大地提高代码的简洁性和效率。
