當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文

Python cugraph.sampling.random_walks.random_walks用法及代碼示例

用法:

cugraph.sampling.random_walks.random_walks(G, start_vertices, max_depth=None, use_padding=False)

計算‘start_vertices’中每個節點的隨機遊走

參數：

G：cuGraph.Graph 或 networkx.Graph

圖可以是有向圖(DiGraph)或無向圖(Graph)。圖中的權重被忽略。如果需要考慮權重，請使用權重參數(目前不支持)

start_vertices：int 或 list 或 cudf.Series 或 cudf.DataFrame

從中運行隨機遊走的單個節點或列表或 cudf.Series 節點。如果是 multi-column 頂點，它應該是一個 cudf.DataFrame

max_depth：int，可選(默認=無)

隨機遊走的最大深度

use_padding：布爾，可選(默認=假)

如果為 True，則返回填充路徑，否則返回合並路徑。

返回：

vertex_paths：cudf.Series 或 cudf.DataFrame

包含隨機遊走中邊/路徑頂點的係列。

edge_weight_paths: cudf.Series

包含由返回的 vertex_paths 表示的邊的邊權重的係列

尺寸：整數

在合並路徑的情況下的路徑大小。

例子：

>>> M = cudf.read_csv(datasets_path / 'karate.csv', delimiter=' ',
...                   dtype=['int32', 'int32', 'float32'], header=None)
>>> G = cugraph.Graph()
>>> G.from_cudf_edgelist(M, source='0', destination='1')
>>> _, _, _ = cugraph.random_walks(G, M, 3)

相關用法


注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cugraph.sampling.random_walks.random_walks。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。