Изменение матрицы смежности на основе ребер

У меня есть матрица смежности H графа. Я удаляю первую и последнюю строки и столбцы, чтобы создать новую матрицу H1. В H1 я хотел бы заменить диагональ количеством ребер, которые каждая вершина имеет со знаком минус. График, текущие и желаемые результаты следуют

Изменение матрицы смежности на основе ребер

import numpy as np
H = np.array([
    [0, 1, 0, 1, 0],
    [1, 0, 1, 1, 1],
    [0, 1, 0, 1, 1],
    [1, 1, 1, 0, 0],
    [0, 1, 1, 0, 0]
])

H1 = H[1:-1, 1:-1]
print([H1])

Текущий выход:

array([[0, 1, 1],
       [1, 0, 1],
       [1, 1, 0]])]

Желаемый результат:

array([[-2, 1, 1],
       [1, -2, 1],
       [1, 1, -2]])]
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
18
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Для этого вы можете использовать numpy.identity и numpy.ndarray.sum. т.е.

>>> H1 - np.identity(3)*H1.sum(axis=1)
array([[-2.,  1.,  1.],
       [ 1., -2.,  1.],
       [ 1.,  1., -2.]])

Другие вопросы по теме