Python NetworkX voronoi_cells用法及代碼示例

返回相對於最短路徑距離度量以 center_nodes 為中心的 Voronoi 單元格。

如果 C 是圖中的一組節點，並且 c 是 C 的元素，則以節點 c 為中心的 Voronoi cell 是更接近的所有節點 v 的集合就最短路徑距離度量而言，c 優於 C 中的任何其他中心節點。 [1]

對於有向圖，這將計算 “outward” Voronoi 單元格，如 [1] 中定義，其中測量從中心節點到目標節點的距離。對於 “inward” Voronoi 單元，在有向圖上調用此函數之前，請使用 DiGraph.reverse() 方法反轉邊的方向。

參數：

G：NetworkX 圖

center_nodes：set

圖 G 中的一組非空節點表示 Voronoi 單元格的中心。

weight：字符串或函數

表示邊權重的邊屬性(或任意函數)。例如，此關鍵字參數如 multi_source_dijkstra_path() 的文檔中所述。

返回：

字典

從中心節點到圖中所有節點集合的映射，它比任何其他中心節點更靠近該中心節點。字典的鍵是 center_nodes 的元素，字典的值形成 G 的節點的分區。

拋出：

ValueError

如果center_nodes 為空。

參考：

1(1,2)

Erwig, Martin. (2000), “The graph Voronoi diagram with applications.” Networks, 36: 156-163. <dx.doi.org/10.1002/1097-0037(200010)36:3<156::AID-NET2>3.0.CO;2-L>

例子：

要僅獲取由 Voronoi 單元格引起的圖形分區，請獲取返回字典中所有值的集合：

>>> G = nx.path_graph(6)
>>> center_nodes = {0, 3}
>>> cells = nx.voronoi_cells(G, center_nodes)
>>> partition = set(map(frozenset, cells.values()))
>>> sorted(map(sorted, partition))
[[0, 1], [2, 3, 4, 5]]