Python NetworkX from_numpy_matrix用法及代碼示例

從 numpy 矩陣返回一個圖。

numpy 矩陣被解釋為圖的鄰接矩陣。

參數：

A：numpy 矩陣

圖的鄰接矩陣表示

parallel_edges：布爾值

如果為真，create_using 是多重圖，而A 是整數矩陣，則矩陣中的條目(i, j) 被解釋為連接圖中頂點i 和j 的平行邊的數量。如果為 False，則鄰接矩陣中的條目被解釋為連接頂點的單個邊的權重。

create_using：NetworkX 圖形構造函數，可選(默認=nx.Graph)

要創建的圖表類型。如果是圖形實例，則在填充之前清除。

注意：

對於有向圖，明確提及create_using=nx.DiGraph，A 的條目 i,j 對應於從 i 到 j 的邊。

如果 create_using 是 networkx.MultiGraph 或 networkx.MultiDiGraph ， parallel_edges 是 True ，並且 A 的條目是 int 類型，則此函數返回具有平行邊的多重圖(由 create_using 構造)。

如果create_using 表示無向多重圖，則僅將矩陣A 的上三角形指示的邊添加到圖中。

如果 numpy 矩陣的每個矩陣條目都有一個數據類型，它將被轉換為適當的 Python 數據類型。

如果 numpy 矩陣具有用戶指定的複合數據類型，則數據字段的名稱將用作生成的 NetworkX 圖中的屬性鍵。

例子：

邊上的簡單整數權重：

>>> import numpy as np
>>> A = np.array([[1, 1], [2, 1]])
>>> G = nx.from_numpy_matrix(A)

如果create_using 表示多重圖並且矩陣隻有整數條目並且parallel_edges 為False，則條目將被視為連接節點的邊的權重(不創建平行邊)：

>>> A = np.array([[1, 1], [1, 2]])
>>> G = nx.from_numpy_matrix(A, create_using=nx.MultiGraph)
>>> G[1][1]
AtlasView({0: {'weight': 2}})

如果create_using 表示多重圖並且矩陣隻有整數條目並且parallel_edges 為True，則條目將被視為連接這兩個頂點的平行邊的數量：

>>> A = np.array([[1, 1], [1, 2]])
>>> temp = nx.MultiGraph()
>>> G = nx.from_numpy_matrix(A, parallel_edges=True, create_using=temp)
>>> G[1][1]
AtlasView({0: {'weight': 1}, 1: {'weight': 1}})

用戶定義的邊複合數據類型：

>>> dt = [("weight", float), ("cost", int)]
>>> A = np.array([[(1.0, 2)]], dtype=dt)
>>> G = nx.from_numpy_matrix(A)
>>> list(G.edges())
[(0, 0)]
>>> G[0][0]["cost"]
2
>>> G[0][0]["weight"]
1.0