如何在python中获得稀疏图拉普拉斯矩阵？答案

【问题标题】：How to get sparse graph Laplacian matrix in python?如何在python中获得稀疏图拉普拉斯矩阵？
【发布时间】：2017-11-24 18:07:37
【问题描述】：

我有一个 csr_matrix 格式的稀疏矩阵 A。 A 是无向图的加权邻接矩阵，因此是对称且非负的。我想计算它的图 Lapalican。

我以前用过 MATLAB，代码很简单：

L = diag(sum(A,2)) - A   % or L=diag(sum(A))-A because A is symmetric

但是我们如何在 Python 中做到这一点？我是 Python 中稀疏矩阵的新手。我只能想出一个相当丑陋的解决方案：

import numpy as np
import scipy.sparse as sps
L = sps.diags(np.reshape(np.array(A.sum(axis=1)), A.shape[0])) - A

有人知道更优雅的解决方案吗？

【问题讨论】：

【解决方案1】：

这就是networkX library 对稀疏矩阵 A 的处理方式 - 与您的方法非常相似，但有一些小改进（保持一切稀疏）：

n,m = A.shape
diags = A.sum(axis=1)
D = sps.spdiags(diags.flatten(), [0], m, n, format='csr')
D - A

【讨论】：