Python NetworkX from_scipy_sparse_matrix用法及代碼示例

從作為SciPy 稀疏矩陣給出的鄰接矩陣創建一個新圖。

參數：

A: scipy sparse matrix：

圖的鄰接矩陣表示

parallel_edges：布爾值

如果為真，create_using 是多重圖，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，則矩陣中的條目被解釋為連接頂點的單條邊的權重。

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。

edge_attribute: string：

存儲矩陣數值的邊屬性名稱。數據將具有與矩陣條目相同的類型(int、float、(real、imag))。

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)。在這種情況下，edge_attribute 將被忽略。

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。

例子：

>>> import scipy as sp
>>> import scipy.sparse  # call as sp.sparse
>>> A = sp.sparse.eye(2, 2, 1)
>>> G = nx.from_scipy_sparse_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 = sp.sparse.csr_matrix([[1, 1], [1, 2]])
>>> G = nx.from_scipy_sparse_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 = sp.sparse.csr_matrix([[1, 1], [1, 2]])
>>> G = nx.from_scipy_sparse_matrix(
...     A, parallel_edges=True, create_using=nx.MultiGraph
... )
>>> G[1][1]
AtlasView({0: {'weight': 1}, 1: {'weight': 1}})