您可以使用np.tri和np.eye为所需的不同区域创建遮罩。np.select用于填写正确的值！

upper = ~np.tri(3, dtype=bool)
diag = np.eye(3, dtype=bool)
lower = np.tri(3, k=-1)

values = np.select([upper, diag, lower], mat.max(axis=0))

out = mat + values

输出：

>>> upper
array([[False,  True,  True],
       [False, False,  True],
       [False, False, False]])
>>> diag
array([[ True, False, False],
       [False,  True, False],
       [False, False,  True]])
>>> lower
array([[False, False, False],
       [ True, False, False],
       [ True,  True, False]])
>>> values
array([[20, 10, 10],
       [30, 20, 10],
       [30, 30, 20]])
>>> out
array([[30, 15, 19],
       [32, 40, 16],
       [38, 33, 50]])

这个答案假设你说的“上半部分”和“下半部分”是指upper and lower triangular matrices。
您已经知道如何正确获得行最大值。接下来，您需要：

• 将N1添加到mat的上半部分元素。您可以使用np.triu_indices来获取正确的索引，并将N1添加到这些索引中：

upper_indices = np.triu_indices(mat.shape[0], 1)
mat[upper_indices] += N1

triu_indices的第二个参数指定三角矩阵开始的对角线上方的偏移量。

• 将N2添加到mat的对角线元素。可以使用np.diag_indices

diag_indices = np.diag_indices(mat.shape[0])
mat[diag_indices] += N2

• 将N3添加到mat的下半部分元素。您可以使用np.tril_indices来获取正确的索引，并将N3添加到这些索引中：

lower_indices = np.tril_indices(mat.shape[0], -1)
mat[lower_indices] += N3

tril_indices的第二个参数也指定了你想要开始三角矩阵的对角线上方的偏移量，所以它需要是-1才能开始对角线下方的三角矩阵。这导致了下面的mat：

array([[30, 15, 19],
       [32, 40, 16],
       [38, 33, 50]])