Python NetworkX identified_nodes用法及代码示例

返回收缩 u 和 v 产生的图形。

节点收缩将这两个节点识别为与原始两个节点相关的任何边的单个节点。

参数：

G：NetworkX 图

节点将被收缩的图。

u, v：节点

必须是 G 中的节点。

self_loops：布尔值

如果这是 True，则在 G 中连接 u 和 v 的任何边都将成为返回图中新节点上的自循环。

copy：布尔值

如果这是 True(默认为 True)，则复制 G 并将其返回，而不是直接更改 G 。

返回：

Networkx 图

如果 Copy 为 True，则一个与 G 类型相同的新图形对象(保持 G 未修改)在单个节点中标识 u 和 v。右侧节点 v 将合并到节点 u 中，因此返回的图形中只会出现 u。如果 copy 为 False，则使用在单个节点中标识的 u 和 v 修改 G。右侧节点 v 将合并到节点 u 中，因此返回的图形中只会出现 u。

注意：

对于多重图，重新对齐边的边键可能与旧边的边键不同。这是很自然的，因为边键仅在每对节点中是唯一的。

对于 u 和 v 与第三个节点 w 相邻的非多重图，边(v，w)将收缩到边(u，w)，其存储到“contraction” 属性中的属性。

此函数也可用作 identified_nodes 。

例子：

在四个节点 C_4 上收缩循环图的两个不相邻节点产生路径图(忽略平行边)：

>>> G = nx.cycle_graph(4)
>>> M = nx.contracted_nodes(G, 1, 3)
>>> P3 = nx.path_graph(3)
>>> nx.is_isomorphic(M, P3)
True

>>> G = nx.MultiGraph(P3)
>>> M = nx.contracted_nodes(G, 0, 2)
>>> M.edges
MultiEdgeView([(0, 1, 0), (0, 1, 1)])

>>> G = nx.Graph([(1, 2), (2, 2)])
>>> H = nx.contracted_nodes(G, 1, 2, self_loops=False)
>>> list(H.nodes())
[1]
>>> list(H.edges())
[(1, 1)]