Python SciPy csgraph.depth_first_order用法及代码示例

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

用法:

scipy.sparse.csgraph.depth_first_order(csgraph, i_start, directed=True, return_predecessors=True)#

返回从指定节点开始的深度优先排序。

请注意，深度优先顺序不是唯一的。此外，对于有环的图，深度优先搜索生成的树也不是唯一的。

参数 ：：

csgraph： 数组 或稀疏矩阵

N x N 压缩稀疏图。输入的 csgraph 将被转换为 csr 格式进行计算。

i_start： int

起始节点的索引。

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，则在无向图上找到最短路径：算法可以沿着 csgraph[i, j] 或 csgraph[j, i] 从点 i 前进到 j。

return_predecessors： 布尔型，可选

如果为 True(默认)，则返回前趋数组(见下文)。

返回 ：：

node_array： ndarray，一维

从指定节点开始的深度优先节点列表。 node_array的长度是从指定节点可到达的节点数。

predecessors： ndarray，一维

仅当 return_predecessors 为 True 时才返回。深度优先树中每个节点的前驱的 length-N 列表。如果节点 i 在树中，则其父节点由前驱[i] 给出。如果节点 i 不在树中(并且对于父节点)，则前驱 [i] = -9999。

注意：

如果可能存在多个有效解决方案，则输出可能会因 SciPy 和 Python 版本而异。

例子：

>>> from scipy.sparse import csr_matrix
>>> from scipy.sparse.csgraph import depth_first_order

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

>>> depth_first_order(graph,0)
(array([0, 1, 3, 2], dtype=int32), array([-9999,     0,     0,     1], dtype=int32))