numpy.diag( x.A[ :, 0 ] )

应该这样做。
matrix和array之间的区别在这里是至关重要的。你不会从numpy.diag( x[ :, 0 ] )得到相同的结果。当x是matrix时，x.A是numpy.asarray( x )的简写。
同样，为了准确回答你的问题，我想我不应该忘记把答案从array转换回matrix：

numpy.matrix( numpy.diag( x.A[ :, 0 ] ) )

有一个diagflat，它'创建一个二维数组，将展平的输入作为对角线。'它既将ravels输入，又将结果 Package 在np.matrix中（与输入数组类型匹配）：

In [122]: np.diagflat(x[:,0])
Out[122]: 
matrix([[ 0.9 ,  0.  ],
        [ 0.  ,  0.15]])

所以它做了jez的所有工作，只是把它 Package 成一个广义函数：

np.matrix(np.diag(np.asarray(x[:,0]).ravel()))

你可以使用np.diag(np.diag(your numpy array))。

>>> import numpy as np
>>> b = np.arange(1,10).reshape(3,3)
>>> b
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
>>> np.diag(np.diag(b))
array([[1, 0, 0],
       [0, 5, 0],
       [0, 0, 9]])