Python cugraph.traversal.bfs.bfs_edges用法及代碼示例

用法: cugraph.traversal.bfs.bfs_edges(G, source, reverse=False, depth_limit=None, sort_neighbors=None)

查找圖的廣度優先遍曆的距離和前輩。

參數：

G：cugraph.Graph、networkx.Graph、CuPy 或 SciPy 稀疏矩陣: 圖形或矩陣對象，應包含連通性信息。邊權重(如果存在)應該是單精度或雙精度浮點值。
source：整數: 起始頂點索引
reverse：布爾值，可選(默認=假): 如果是有向圖，則反向處理邊目前未實現
depth_limit：整數或無，可選(默認=無): 限製搜索的深度
sort_neighbors：無或函數，可選(默認=無): 目前未實施

返回值類型基於輸入類型。如果 G 是一個 cugraph.Graph，

返回：

cudf.DataFrame

df[‘vertex’] 頂點 ID

df[‘distance’] 每個頂點到起始頂點的路徑距離

df[‘predecessor’] 對於列中的每個第 i 個位置，緊接在 ‘vertex’ 列中位置 i 處的頂點之前的頂點 ID

如果 G 是 networkx.Graph，則返回：

pandas.DataFrame 的內容與上述 cudf.DataFrame 相同。

如果 G 是 CuPy 或 SciPy 矩陣，則返回：

CuPy ndarrays(如果 CuPy 矩陣輸入)或 Numpy ndarrays(如果 SciPy 矩陣輸入)的 2 元組，表示：

距離：cupy 或 numpy ndarray: 源和頂點之間最短距離的ndarray。
前身：cupy 或 numpy ndarray: 來自源的路徑上頂點的前驅的ndarray，可用於重建最短路徑。

…或者如果 return_sp_counter 為 True，則返回一個 3 元組，其中包含上述兩個數組加上：

sp_counter：cupy 或 numpy ndarray: ndarray 通向每個頂點的最短路徑數。

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')
>>> df = cugraph.bfs_edges(G, 0)

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.traversal.bfs.bfs_edges。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。