如何在Python中高效为数组对角线元素添加标量值？

嘿，这个问题问到点子上了——处理大规模矩阵时，避免不必要的数组复制、用原地操作是提升效率的关键。针对你的需求，这里有两种方法，重点推荐第一种最高效的：

方法一：原地修改对角线（最优解） #

利用np.diag_indices获取对角线的索引，直接原地给这些位置的元素加标量。这种方式不会创建任何数组副本，完全在原始数组的内存上操作，对超大矩阵友好度拉满。

import numpy as np

# 你的原始数组
arr = np.array([[ 0.57733218, 0.09794384, 0.44497735],
                [ 0.87061284, 0.10253493, 0.56643557],
                [ 0.76358739, 0.44902046, 0.86064797]])

# 获取矩阵对角线的索引（假设是方阵，若不是方阵可调整维度参数）
diag_indices = np.diag_indices(arr.shape[0])

# 原地给对角线元素加20
arr[diag_indices] += 20

print(arr)

输出结果正是你想要的：

array([[20.57733218,  0.09794384,  0.44497735],
       [ 0.87061284, 20.10253493,  0.56643557],
       [ 0.76358739,  0.44902046, 20.86064797]])

方法二：简洁但稍逊一筹的写法 #

如果你喜欢更简洁的代码，可以用np.fill_diagonal结合np.diag，但这种方式会先取出对角线元素创建副本，修改后再填充回去，内存开销比第一种略大，适合小矩阵但不推荐给超大矩阵用：

np.fill_diagonal(arr, np.diag(arr) + 20)

为什么方法一更高效？ #

当处理非常大的矩阵时，数组复制会占用额外内存，甚至可能触发内存不足的问题。方法一的原地操作直接修改原始数组的内存区域，没有任何复制开销，速度和内存利用率都是最优的。

内容的提问来源于stack exchange，提问作者user121