Python NetworkX from_numpy_matrix用法及代码示例

从 numpy 矩阵返回一个图。

numpy 矩阵被解释为图的邻接矩阵。

参数：

A：numpy 矩阵

图的邻接矩阵表示

parallel_edges：布尔值

如果为真，create_using 是多重图，而A 是整数矩阵，则矩阵中的条目(i, j) 被解释为连接图中顶点i 和j 的平行边的数量。如果为 False，则邻接矩阵中的条目被解释为连接顶点的单个边的权重。

create_using：NetworkX 图形构造函数，可选(默认=nx.Graph)

要创建的图表类型。如果是图形实例，则在填充之前清除。

注意：

对于有向图，明确提及create_using=nx.DiGraph，A 的条目 i,j 对应于从 i 到 j 的边。

如果 create_using 是 networkx.MultiGraph 或 networkx.MultiDiGraph ， parallel_edges 是 True ，并且 A 的条目是 int 类型，则此函数返回具有平行边的多重图(由 create_using 构造)。

如果create_using 表示无向多重图，则仅将矩阵A 的上三角形指示的边添加到图中。

如果 numpy 矩阵的每个矩阵条目都有一个数据类型，它将被转换为适当的 Python 数据类型。

如果 numpy 矩阵具有用户指定的复合数据类型，则数据字段的名称将用作生成的 NetworkX 图中的属性键。

例子：

边上的简单整数权重：

>>> import numpy as np
>>> A = np.array([[1, 1], [2, 1]])
>>> G = nx.from_numpy_matrix(A)

如果create_using 表示多重图并且矩阵只有整数条目并且parallel_edges 为False，则条目将被视为连接节点的边的权重(不创建平行边)：

>>> A = np.array([[1, 1], [1, 2]])
>>> G = nx.from_numpy_matrix(A, create_using=nx.MultiGraph)
>>> G[1][1]
AtlasView({0: {'weight': 2}})

如果create_using 表示多重图并且矩阵只有整数条目并且parallel_edges 为True，则条目将被视为连接这两个顶点的平行边的数量：

>>> A = np.array([[1, 1], [1, 2]])
>>> temp = nx.MultiGraph()
>>> G = nx.from_numpy_matrix(A, parallel_edges=True, create_using=temp)
>>> G[1][1]
AtlasView({0: {'weight': 1}, 1: {'weight': 1}})

用户定义的边复合数据类型：

>>> dt = [("weight", float), ("cost", int)]
>>> A = np.array([[(1.0, 2)]], dtype=dt)
>>> G = nx.from_numpy_matrix(A)
>>> list(G.edges())
[(0, 0)]
>>> G[0][0]["cost"]
2
>>> G[0][0]["weight"]
1.0