Python SciPy csgraph.construct_dist_matrix用法及代码示例

本文简要介绍 python 语言中 scipy.sparse.csgraph.construct_dist_matrix 的用法。

用法:

scipy.sparse.csgraph.construct_dist_matrix(graph, predecessors, directed=True, null_value=np.inf)#

从前驱矩阵构造距离矩阵

参数 ：：

graph： 数组 或稀疏

有向图或无向图的 N x N 矩阵表示。如果密集，则非边由零或无穷大表示。

predecessors： array_like

每个节点的前驱的 N x N 矩阵(请参阅下面的注释)。

directed： 布尔型，可选

如果为 True(默认值)，则对有向图进行操作：仅沿着路径 csgraph[i, j] 从点 i 移动到点 j。如果为 False，则对无向图进行操作：算法可以沿着 csgraph[i, j] 或 csgraph[j, i] 从点 i 前进到 j。

null_value： 布尔型，可选

用于未连接节点之间距离的值。默认为np.inf

返回 ：：

dist_matrix： ndarray

沿前导矩阵指定的路径的节点之间距离的 N x N 矩阵。如果不存在路径，则距离为零。

注意：

前驱矩阵的形式为 shortest_path 返回。前驱矩阵的第 i 行包含从点 i 开始的最短路径信息：每个条目前驱[i, j] 给出从点 i 到点 j 的路径中前一个节点的索引。如果点 i 和 j 之间不存在路径，则前驱[i, j] = -9999

例子：

>>> import numpy as np
>>> from scipy.sparse import csr_matrix
>>> from scipy.sparse.csgraph import construct_dist_matrix

>>> graph = [
... [0, 1, 2, 0],
... [0, 0, 0, 1],
... [0, 0, 0, 3],
... [0, 0, 0, 0]
... ]
>>> graph = csr_matrix(graph)
>>> print(graph)
  (0, 1)    1
  (0, 2)    2
  (1, 3)    1
  (2, 3)    3

>>> pred = np.array([[-9999, 0, 0, 2],
...                  [1, -9999, 0, 1],
...                  [2, 0, -9999, 2],
...                  [1, 3, 3, -9999]], dtype=np.int32)

>>> construct_dist_matrix(graph=graph, predecessors=pred, directed=False)
array([[0., 1., 2., 5.],
       [1., 0., 3., 1.],
       [2., 3., 0., 3.],
       [2., 1., 3., 0.]])