Python SciPy csgraph.depth_first_tree用法及代码示例

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

用法:

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

返回由深度优先搜索生成的树。

请注意，深度优先搜索生成的树不是唯一的：它取决于每个节点的子节点的搜索顺序。

参数 ：：

csgraph： 数组 或稀疏矩阵

表示压缩稀疏图的 N x N 矩阵。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。

返回 ：：

cstree： 企业社会责任矩阵

从 csgraph 绘制的深度优先树的 N x N 定向 compressed-sparse 表示，从指定节点开始。

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：

以下示例显示了在简单的 four-component 图上计算深度优先树(从节点 0 开始)：

input graph           depth first tree from (0)

     (0)                         (0)
    /   \                           \
   3     8                           8
  /       \                           \
(3)---5---(1)               (3)       (1)
  \       /                   \       /
   6     2                     6     2
    \   /                       \   /
     (2)                         (2)

在压缩稀疏表示中，解决方案如下所示：

>>> from scipy.sparse import csr_matrix
>>> from scipy.sparse.csgraph import depth_first_tree
>>> X = csr_matrix([[0, 8, 0, 3],
...                 [0, 0, 2, 5],
...                 [0, 0, 0, 6],
...                 [0, 0, 0, 0]])
>>> Tcsr = depth_first_tree(X, 0, directed=False)
>>> Tcsr.toarray().astype(int)
array([[0, 8, 0, 0],
       [0, 0, 2, 0],
       [0, 0, 0, 6],
       [0, 0, 0, 0]])

请注意，生成的图是跨越该图的有向无环图。与广度优先树不同，如果给定图包含循环，则深度优先树不是唯一的。如果上述解决方案从连接节点 0 和 3 的边开始，结果将会有所不同。