Python NetworkX circulant_graph用法及代碼示例

返回帶有 \(n\) 節點的循環圖 \(Ci_n(x_1, x_2, ..., x_m)\)。

循環圖 \(Ci_n(x_1, ..., x_m)\) 由 \(n\) 節點 \(0, ..., n-1\) 組成，因此節點 \(i\) 連接到節點 \((i + x) \mod n\) 和 \((i - x) \mod n\) 對於 \(x_1, ..., x_m\) 中的所有 \(x\)。因此\(Ci_n(1)\) 是一個循環圖。

參數：

n：整數

圖中的節點數。

offsets：整數列表

如上所述的節點偏移列表，從 \(x_1\) 到 \(x_m\) 。

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。

返回：

NetworkX 類型圖create_using

例子：

許多著名的圖族是循環圖的子族。例如，要在 n 個點上創建循環圖，我們將每個節點連接到任一側的節點(偏移量為正或負一)。對於 n = 10，

>>> G = nx.circulant_graph(10, [1])
>>> edges = [
...     (0, 9),
...     (0, 1),
...     (1, 2),
...     (2, 3),
...     (3, 4),
...     (4, 5),
...     (5, 6),
...     (6, 7),
...     (7, 8),
...     (8, 9),
... ]
...
>>> sorted(edges) == sorted(G.edges())
True

同樣，我們可以使用一組偏移量 [1, 2] 在 5 個點上創建完整圖：

>>> G = nx.circulant_graph(5, [1, 2])
>>> edges = [
...     (0, 1),
...     (0, 2),
...     (0, 3),
...     (0, 4),
...     (1, 2),
...     (1, 3),
...     (1, 4),
...     (2, 3),
...     (2, 4),
...     (3, 4),
... ]
...
>>> sorted(edges) == sorted(G.edges())
True