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

用法: cugraph.traversal.bfs.bfs_edges(G, source, reverse=False, depth_limit=None, sort_neighbors=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。
source：整数: 起始顶点索引
reverse：布尔值，可选(默认=假): 如果是有向图，则反向处理边目前未实现
depth_limit：整数或无，可选(默认=无): 限制搜索的深度
sort_neighbors：无或函数，可选(默认=无): 目前未实施

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_edges(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_edges。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。