Python NetworkX strong_product用法及代码示例

返回 G 和 H 的强积。

图 \(G\) 和 \(H\) 的强积 \(P\) 有一个节点集，它是节点集的笛卡尔积 \(V(P)=V(G) \times V(H)\) 。 \(P\) 有边 \(((u,v), (x,y))\) 当且仅当 \(u==v\) 和 \((x,y)\) 是 \(H\) 中的边，或 \(x==y\) 和 \((u,v)\) 是 \(G\) 中的边，或 \((u,v)\) 是\(G\) 和 \((x,y)\) 中的边是 \(H\) 中的边。

参数：

G, H: graphs：

Networkx 图。

返回：

P：NetworkX 图

如果 G 或 H 是 multi-graph，则 G 和 H. P 的笛卡尔积将为 multi-graph。如果 G 和 H 是有向的，则为有向的，如果 G 和 H 是无向的，则为无向的。

抛出：

NetworkXError

如果 G 和 H 不都是有向的或都是无向的。

注意：

P 中的节点属性是 G 和 H 节点属性的二元组。缺少的属性被分配为无。

例子：

>>> G = nx.Graph()
>>> H = nx.Graph()
>>> G.add_node(0, a1=True)
>>> H.add_node("a", a2="Spam")
>>> P = nx.strong_product(G, H)
>>> list(P)
[(0, 'a')]

边属性和边键(用于多重图)也被复制到新产品图中