diag 函數是 Python 標準庫 numpy 中的一個函數，用于提取矩陣對角線上的元素或者創建一個對角線矩陣
使用最新版本的 NumPy：始終確保您使用的是最新版本的 NumPy，因為新版本可能包含性能改進和錯誤修復。
選擇合適的數據類型：在創建 NumPy 數組時，選擇合適的數據類型以減少內存占用和提高計算速度。例如，如果數組中只有整數，則使用 int 類型而不是 float 類型。
避免不必要的循環：盡量使用 NumPy 的向量化操作，這樣可以避免使用 Python 循環，從而提高性能。
利用 NumPy 的廣播功能：NumPy 的廣播功能可以讓你在不同形狀的數組之間進行操作，而無需顯式地調整數組的形狀。這可以簡化代碼并提高性能。
使用內置函數：NumPy 提供了許多內置函數，如 dot、sum、mean 等，這些函數通常比使用 Python 循環更快。
避免全局解釋器鎖（GIL）限制：Python 的全局解釋器鎖（GIL）限制了多線程的性能。在 CPU 密集型任務中，使用多線程可能無法提高性能。在這種情況下，可以考慮使用多進程（如 multiprocessing 模塊）或者使用 Numba、Cython 等庫將關鍵部分編譯成本地代碼。
使用 JIT 編譯器：Numba 是一個 JIT 編譯器，可以將 Python 函數編譯成本地代碼，從而提高性能。對于計算密集型任務，可以考慮使用 Numba 進行優化。
使用 Cython：Cython 是一個 Python 編譯器，可以將 Python 代碼轉換為 C 代碼，然后編譯成本地代碼。這可以顯著提高性能，特別是在處理大型數據集時。
分析和優化瓶頸：使用性能分析工具（如 cProfile、line_profiler 等）找出代碼中的瓶頸，并針對這些瓶頸進行優化。
緩存結果：對于重復計算的結果，可以使用緩存來存儲結果，以避免重復計算。這可以使用 Python 的 functools.lru_cache 裝飾器實現。
