使用Numpy沿对角线复制给定数组高效创建矩阵的方法

嗨，这个问题我之前处理过！确实，常规的numpy.kron或者块对角方法（比如scipy.linalg.block_diag）完全没法生成这种每行向右滑动一位的矩阵，因为它们的逻辑是重复或块填充，和我们要的滑动窗口式移位结构不匹配。

下面给你两种实用的解决方案，从直观到高效都有：

方法一：直观循环填充（适合小矩阵） #

这种方法逻辑简单，容易理解，对于小规模的矩阵完全够用：

import numpy as np

a = np.array([1,2,3])
n = 4
rows = n + 1  # 结果矩阵的行数
cols = len(a) + n  # 结果矩阵的列数

# 初始化全零矩阵
result = np.zeros((rows, cols), dtype=a.dtype)

# 逐行填充：第i行把a放到从第i列开始的位置
for i in range(rows):
    result[i, i:i+len(a)] = a

print(result)

运行后会输出你期望的矩阵：

array([[1., 2., 3., 0., 0., 0., 0.],
       [0., 1., 2., 3., 0., 0., 0.],
       [0., 0., 1., 2., 3., 0., 0.],
       [0., 0., 0., 1., 2., 3., 0.],
       [0., 0., 0., 0., 1., 2., 3.]])

方法二：利用Stride Tricks高效生成（适合大矩阵） #

如果你的n很大，循环会影响效率，这时候可以用numpy的stride_tricks，它通过直接操作数组的内存步长来生成滑动窗口，不需要复制数据，效率极高：

import numpy as np
from numpy.lib.stride_tricks import as_strided

a = np.array([1,2,3])
n = 4
cols = len(a) + n
rows = n + 1

# 构造一个足够长的填充数组：前后各补n个0
pad_a = np.concatenate([np.zeros(n, dtype=a.dtype), a, np.zeros(n, dtype=a.dtype)])

# 利用步长生成滑动窗口：行方向步长为负（向左滑动），列方向步长为正
stride = pad_a.itemsize
result = as_strided(
    pad_a,
    shape=(rows, cols),
    strides=(-stride, stride),
    writeable=False  # 设为False避免意外修改原数组
)

print(result)

这个方法和循环得到的结果完全一致，但运行速度快很多，尤其当n是几百上千的时候。

为什么常规方法不行？ #

简单说：

• numpy.kron是克罗内克积，会把a和另一个矩阵的每个元素做乘法扩展，生成的是重复块结构，不是滑动移位。
• 块对角方法（比如block_diag）只会把a放在对角线的块里，其他位置全0，无法实现每行向右移位的效果。

内容的提问来源于stack exchange，提问作者Alex Hu