当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python SciPy csgraph.floyd_warshall用法及代码示例


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

用法:

scipy.sparse.csgraph.floyd_warshall(csgraph, directed=True, return_predecessors=False, unweighted=False, overwrite=False)#

使用Floyd-Warshall算法计算最短路径长度

参数

csgraph 数组、矩阵或稀疏矩阵,二维

表示输入图的 N x N 距离数组。

directed 布尔型,可选

如果为 True(默认),则在有向图上查找最短路径:仅沿着路径 csgraph[i, j] 从点 i 移动到点 j。如果为 False,则找到无向图上的最短路径: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,则返回大小为 (N, N) 的前驱矩阵。

unweighted 布尔型,可选

如果为真,则找到未加权的距离。也就是说,不是找到每个点之间的路径以使权重之和最小化,而是找到使边数最小化的路径。

overwrite 布尔型,可选

如果为 True,则用结果覆盖 csgraph。这仅适用于 csgraph 是密集的 c-ordered 数组且 dtype=float64 的情况。

返回

dist_matrix ndarray

图节点之间距离的 N x N 矩阵。 dist_matrix[i,j] 给出图上从点 i 到点 j 的最短距离。

predecessors ndarray

仅当 return_predecessors == True 时返回。 N x N 前驱矩阵,可用于重建最短路径。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

抛出

NegativeCycleError:

如果图中有负循环

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 floyd_warshall
>>> 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
>>> dist_matrix, predecessors = floyd_warshall(csgraph=graph, directed=False, return_predecessors=True)
>>> dist_matrix
array([[0., 1., 2., 2.],
       [1., 0., 3., 1.],
       [2., 3., 0., 3.],
       [2., 1., 3., 0.]])
>>> predecessors
array([[-9999,     0,     0,     1],
       [    1, -9999,     0,     1],
       [    2,     0, -9999,     2],
       [    1,     3,     3, -9999]], dtype=int32)

相关用法


注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.sparse.csgraph.floyd_warshall。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。