当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python cugraph.community.egonet.batched_ego_graphs用法及代码示例


用法:

cugraph.community.egonet.batched_ego_graphs(G, seeds, radius=1, center=True, undirected=False, distance=None)

计算给定半径内种子中每个节点的诱导邻居子图。

参数：

G：cugraph.Graph、networkx.Graph、CuPy 或 SciPy 稀疏矩阵

图形或矩阵对象，应包含连通性信息。边权重(如果存在)应该是单精度或双精度浮点值。

seeds：cudf.Series 或 list 或 cudf.DataFrame

指定诱导 egonet 子图的种子。

radius: integer, optional (default=1)：

包括距离 n<=半径的所有邻居。

center: bool, optional：

默认为真。不支持 False

undirected: bool, optional：

默认为假。不支持真

distance: key, optional (default=None)：

距离以从 n 开始的跳数计算。不支持其他情况。

返回：

ego_edge_lists：cudf.DataFrame 或 pandas.DataFrame

包含所有诱导源标识符、目的地标识符、边权重的 GPU 数据帧

seeds_offsets: cudf.Series

包含每个种子的返回边列表中的起始偏移量的系列。

例子：

>>> M = cudf.read_csv(datasets_path / 'karate.csv',
...                   delimiter = ' ',
...                   dtype=['int32', 'int32', 'float32'],
...                   header=None)
>>> G = cugraph.Graph()
>>> G.from_cudf_edgelist(M, source='0', destination='1')
>>> b_ego_graph = cugraph.batched_ego_graphs(G, seeds=[1,5], radius=2)

相关用法


注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cugraph.community.egonet.batched_ego_graphs。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。