当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python cugraph.sampling.random_walks.random_walks用法及代码示例

用法: cugraph.sampling.random_walks.random_walks(G, start_vertices, max_depth=None, use_padding=False)

计算‘start_vertices’中每个节点的随机游走

参数：

G：cuGraph.Graph 或 networkx.Graph: 图可以是有向图(DiGraph)或无向图(Graph)。图中的权重被忽略。如果需要考虑权重，请使用权重参数(目前不支持)
start_vertices：int 或 list 或 cudf.Series 或 cudf.DataFrame: 从中运行随机游走的单个节点或列表或 cudf.Series 节点。如果是 multi-column 顶点，它应该是一个 cudf.DataFrame
max_depth：int，可选(默认=无): 随机游走的最大深度
use_padding：布尔，可选(默认=假): 如果为 True，则返回填充路径，否则返回合并路径。

返回：

vertex_paths：cudf.Series 或 cudf.DataFrame: 包含随机游走中边/路径顶点的系列。
edge_weight_paths: cudf.Series: 包含由返回的 vertex_paths 表示的边的边权重的系列
尺寸：整数: 在合并路径的情况下的路径大小。

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')
>>> _, _, _ = cugraph.random_walks(G, M, 3)

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.sampling.random_walks.random_walks。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。