Python cugraph.traversal.bfs.bfs用法及代码示例

用法: cugraph.traversal.bfs.bfs(G, start=None, depth_limit=None, i_start=None, directed=None, return_predecessors=None)

查找图的广度优先遍历的距离和前辈。

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。

start：整数，可选(默认=无)

遍历开始的图顶点的索引

depth_limit：整数或无，可选(默认=无)

限制搜索的深度

i_start：整数，可选(默认=无)

与开始相同，为 API 兼容性而添加。只能设置 start 或 i_start，不能同时设置。

directed：布尔，可选(默认=无)

NOTE: 仅适用于 G 的非图形类型(例如稀疏矩阵)值。如果与 Graph 对象一起使用，则引发 TypeError。

如果为 True，则将输入矩阵转换为 cugraph.DiGraph，否则将使用 cugraph.Graph 对象。

return_predecessors：

返回值类型基于输入类型。如果 G 是一个 cugraph.Graph，

返回：

cudf.DataFrame

df[‘vertex’] 顶点 ID

df[‘distance’] 每个顶点到起始顶点的路径距离

df[‘predecessor’] 对于列中的每个第 i 个位置，紧接在 ‘vertex’ 列中位置 i 处的顶点之前的顶点 ID

如果 G 是 networkx.Graph，则返回：

pandas.DataFrame 的内容与上述 cudf.DataFrame 相同。

如果 G 是 CuPy 或 SciPy 矩阵，则返回：

CuPy ndarrays(如果 CuPy 矩阵输入)或 Numpy ndarrays(如果 SciPy 矩阵输入)的 2 元组，表示：

距离：cupy 或 numpy ndarray: 源和顶点之间最短距离的ndarray。
前身：cupy 或 numpy ndarray: 来自源的路径上顶点的前驱的ndarray，可用于重建最短路径。

…或者如果 return_sp_counter 为 True，则返回一个 3 元组，其中包含上述两个数组加上：

sp_counter：cupy 或 numpy ndarray: ndarray 通向每个顶点的最短路径数。

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')
>>> df = cugraph.bfs(G, 0)

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.traversal.bfs.bfs。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。