本文简要介绍 python 语言中 scipy.sparse.csgraph.johnson
的用法。
用法:
scipy.sparse.csgraph.johnson(csgraph, directed=True, indices=None, return_predecessors=False, unweighted=False)#
使用约翰逊算法计算最短路径长度。
Johnson 算法结合了Bellman-Ford 算法和 Dijkstra 算法,以一种对负循环存在鲁棒性的方式快速找到最短路径。如果检测到负循环,则会引发错误。对于没有负边权重的图,dijkstra 可能更快。
- 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
- indices: 数组 或 int,可选
如果指定,则仅计算给定索引处的点的路径。
- 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。
- 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
- NegativeCycleError::
如果图中有负循环
参数 ::
返回 ::
抛出 ::
注意:
此例程专为具有负边权重的图设计。如果所有边权重都是正数,那么 Dijkstra 算法是更好的选择。
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 johnson
>>> 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 = johnson(csgraph=graph, directed=False, indices=0, return_predecessors=True) >>> dist_matrix array([0., 1., 2., 2.]) >>> predecessors array([-9999, 0, 0, 1], dtype=int32)
相关用法
- Python SciPy csgraph.csgraph_to_dense用法及代码示例
- Python SciPy csgraph.min_weight_full_bipartite_matching用法及代码示例
- Python SciPy csgraph.minimum_spanning_tree用法及代码示例
- Python SciPy csgraph.breadth_first_order用法及代码示例
- Python SciPy csgraph.connected_components用法及代码示例
- Python SciPy csgraph.dijkstra用法及代码示例
- Python SciPy csgraph.breadth_first_tree用法及代码示例
- Python SciPy csgraph.csgraph_from_dense用法及代码示例
- Python SciPy csgraph.floyd_warshall用法及代码示例
- Python SciPy csgraph.bellman_ford用法及代码示例
- Python SciPy csgraph.csgraph_to_masked用法及代码示例
- Python SciPy csgraph.maximum_flow用法及代码示例
- Python SciPy csgraph.csgraph_masked_from_dense用法及代码示例
- Python SciPy csgraph.shortest_path用法及代码示例
- Python SciPy csgraph.reconstruct_path用法及代码示例
- Python SciPy csgraph.maximum_bipartite_matching用法及代码示例
- Python SciPy csgraph.depth_first_order用法及代码示例
- Python SciPy csgraph.csgraph_from_masked用法及代码示例
- Python SciPy csgraph.construct_dist_matrix用法及代码示例
- Python SciPy csgraph.reverse_cuthill_mckee用法及代码示例
- Python SciPy csgraph.depth_first_tree用法及代码示例
- Python SciPy csgraph.laplacian用法及代码示例
- Python SciPy csgraph.structural_rank用法及代码示例
- Python SciPy csc_array.diagonal用法及代码示例
- Python SciPy csc_matrix.nonzero用法及代码示例
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.johnson。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。