Python NetworkX k_components用法及代碼示例

本文簡要介紹 networkx.algorithms.connectivity.kcomponents.k_components 的用法。

用法: k_components(G, flow_func=None)

返回圖 G 的 k-component 結構。

k - 組件是圖 G 的最大子圖，它至少具有節點連接性 k ：我們需要至少刪除 k 節點才能將其分解為更多組件。 k - 組件具有固有的層次結構，因為它們在連接性方麵是嵌套的：連接圖可以包含多個 2 組件，每個組件都可以包含一個或多個 3 組件，依此類推。

參數：

G：NetworkX 圖
flow_func：函數: 執行底層流計算的函數。默認值 edmonds_karp() 。此函數在具有右尾度分布的稀疏圖中表現更好。 shortest_augmenting_path() 在更密集的圖中表現更好。

k_components：dict: 字典，輸入圖表中的所有連接級別 k 作為鍵，形成級別 k 的 k-component 的節點集列表作為值。

拋出：

NetworkXNotImplemented: 如果輸入圖是有向的。

注意：

Moody 和 White [1](附錄 A)提供了一種識別圖中 k-components 的算法，該算法基於 Kanevsky 算法 [2]，用於查找圖中的所有 minimum-size 節點 cut-sets(在 all_node_cuts() 中實現)函數)：

計算輸入圖 G 的節點連通性 k。
使用 Kanevsky 算法識別當前連接級別的所有k-cutsets。
基於刪除這些割集生成新的圖組件。割集中的節點屬於誘導割的兩側。
如果圖既不完整也不平凡，返回1；否則結束。

此實現還使用一些啟發式方法(有關詳細信息，請參閱[3])來加速計算。

參考：

1: Moody, J. and D. White (2003). Social cohesion and embeddedness: A hierarchical conception of social groups. American Sociological Review 68(1), 103-28. http://www2.asanet.org/journals/ASRFeb03MoodyWhite.pdf
2: Kanevsky, A. (1993). Finding all minimum-size separating vertex sets in a graph. Networks 23(6), 533-541. http://onlinelibrary.wiley.com/doi/10.1002/net.3230230604/abstract
3: Torrents, J. and F. Ferraro (2015). Structural Cohesion: Visualization and Heuristics for Fast Computation. https://arxiv.org/pdf/1503.04476v1

例子：

>>> # Petersen graph has 10 nodes and it is triconnected, thus all
>>> # nodes are in a single component on all three connectivity levels
>>> G = nx.petersen_graph()
>>> k_components = nx.k_components(G)

相關用法

注：本文由純淨天空篩選整理自networkx.org大神的英文原創作品 networkx.algorithms.connectivity.kcomponents.k_components。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。

用法:

參數：

返回：

拋出：

注意：

參考：

例子：