Python NetworkX subgraph_view用法及代码示例

G 的视图在节点和边上应用过滤器。

subgraph_view 提供输入图的只读视图，该视图根据两个过滤器函数 filter_node 和 filter_edge 的结果排除节点和边。

filter_node 函数接受一个参数 - 节点 - 如果节点应该包含在子图中，则返回 True ，如果不应该包含则返回 False 。

filter_edge 函数接受两个(如果 G 是 multi-graph 则为三个参数)——说明边的节点，加上 edge-key(如果可能有平行边)——如果应该包含边，则返回 True 在子图中，如果不应该包括 False 。

在查询图元素时，节点和边过滤器函数都会被调用，这意味着创建视图没有 up-front 成本。

参数：

G：networkx.Graph

有向/无向图/多重图

filter_node：可调用的，可选的

将节点作为输入的函数，如果节点应出现在视图中，则返回 True 。

filter_edge：可调用的，可选的

将说明边的两个节点作为输入的函数(加上 edge-key，如果 G 是 multi-graph)，如果边应该出现在视图中，则返回 True 。

返回：

graph：networkx.Graph

输入图的只读图视图。

例子：

>>> G = nx.path_graph(6)

过滤函数对节点进行操作，如果节点应该出现在视图中，则返回 True ：

>>> def filter_node(n1):
...     return n1 != 5
...
>>> view = nx.subgraph_view(G, filter_node=filter_node)
>>> view.nodes()
NodeView((0, 1, 2, 3, 4))

我们可以使用闭包模式根据附加数据过滤图元素——例如，过滤附在图上的边数据：

>>> G[3][4]["cross_me"] = False
>>> def filter_edge(n1, n2):
...     return G[n1][n2].get("cross_me", True)
...
>>> view = nx.subgraph_view(G, filter_edge=filter_edge)
>>> view.edges()
EdgeView([(0, 1), (1, 2), (2, 3), (4, 5)])

>>> view = nx.subgraph_view(G, filter_node=filter_node, filter_edge=filter_edge,)
>>> view.nodes()
NodeView((0, 1, 2, 3, 4))
>>> view.edges()
EdgeView([(0, 1), (1, 2), (2, 3)])