Python NetworkX circulant_graph用法及代码示例

返回带有 \(n\) 节点的循环图 \(Ci_n(x_1, x_2, ..., x_m)\)。

循环图 \(Ci_n(x_1, ..., x_m)\) 由 \(n\) 节点 \(0, ..., n-1\) 组成，因此节点 \(i\) 连接到节点 \((i + x) \mod n\) 和 \((i - x) \mod n\) 对于 \(x_1, ..., x_m\) 中的所有 \(x\)。因此\(Ci_n(1)\) 是一个循环图。

参数：

n：整数

图中的节点数。

offsets：整数列表

如上所述的节点偏移列表，从 \(x_1\) 到 \(x_m\) 。

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。

返回：

NetworkX 类型图create_using

例子：

许多著名的图族是循环图的子族。例如，要在 n 个点上创建循环图，我们将每个节点连接到任一侧的节点(偏移量为正或负一)。对于 n = 10，

>>> G = nx.circulant_graph(10, [1])
>>> edges = [
...     (0, 9),
...     (0, 1),
...     (1, 2),
...     (2, 3),
...     (3, 4),
...     (4, 5),
...     (5, 6),
...     (6, 7),
...     (7, 8),
...     (8, 9),
... ]
...
>>> sorted(edges) == sorted(G.edges())
True

同样，我们可以使用一组偏移量 [1, 2] 在 5 个点上创建完整图：

>>> G = nx.circulant_graph(5, [1, 2])
>>> edges = [
...     (0, 1),
...     (0, 2),
...     (0, 3),
...     (0, 4),
...     (1, 2),
...     (1, 3),
...     (1, 4),
...     (2, 3),
...     (2, 4),
...     (3, 4),
... ]
...
>>> sorted(edges) == sorted(G.edges())
True