Python NetworkX from_scipy_sparse_array用法及代码示例

从作为SciPy 稀疏数组给出的邻接矩阵创建一个新图。

参数：

A: scipy.sparse array：

图的邻接矩阵表示

parallel_edges：布尔值

如果为真，create_using 是多重图，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，则矩阵中的条目被解释为连接顶点的单条边的权重。

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。

edge_attribute: string：

存储矩阵数值的边属性名称。数据将具有与矩阵条目相同的类型(int、float、(real、imag))。

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)。在这种情况下，edge_attribute 将被忽略。

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。

例子：

>>> import scipy as sp
>>> import scipy.sparse  # call as sp.sparse
>>> A = sp.sparse.eye(2, 2, 1)
>>> G = nx.from_scipy_sparse_array(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 = sp.sparse.csr_array([[1, 1], [1, 2]])
>>> G = nx.from_scipy_sparse_array(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 = sp.sparse.csr_array([[1, 1], [1, 2]])
>>> G = nx.from_scipy_sparse_array(
...     A, parallel_edges=True, create_using=nx.MultiGraph
... )
>>> G[1][1]
AtlasView({0: {'weight': 1}, 1: {'weight': 1}})