基于图的边缘的相应分数 [英] Corresponding scores based on edges of a graph

问题描述

import numpy as np

score = np.array([
    [0.9, 0.7, 0.2, 0.6, 0.4],
    [0.7, 0.9, 0.6, 0.8, 0.3],
    [0.2, 0.6, 0.9, 0.4, 0.7],
    [0.6, 0.8, 0.4, 0.9, 0.3],
    [0.4, 0.3, 0.7, 0.3, 0.9]])

l2= [(3, 5), (1, 4), (2, 3), (3, 4), (2, 5), (4, 5)]

我想基于边缘列表获取相应的分数向量.score数组表示邻接矩阵，其中score(1,2)表示边缘(1,2)

I want to get the corresponding scores vector based on the edge list.The score array represents an adjacency matrix where score(1,2) represents the edge (1,2)

OUTPUT:

[0.7 0.6 0.6 0.4 0.3 0.3]

推荐答案

我们可以将包含索引的元组列表转换为数组，然后使用slicing或元组打包的元组.

We could convert the list of tuples holding the indices to array and then use slicing or tuple packed ones.

因此，转换为array:

So, convert to array :

l2_arr = np.asarray(l2)-1

然后，一种方法是-

score[l2_arr[:,0], l2_arr[:,1]]

另一个-

score[tuple(l2_arr.T)]

为了完整起见，这里使用循环理解来提取行，列索引，从而避免任何数组转换-

For completeness, here's one using a loop-comprehension to extract the row, column indices and thus avoiding any array conversion -

score[[i[0]-1 for i in l2], [i[1]-1 for i in l2]]

这篇关于基于图的边缘的相应分数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！