scipy.sparse.csgraph.

广度优先排序#

scipy.sparse.csgraph.breadth_first_order(csgraph, i_start, directed=True, return_predecessors=True)#

返回从指定节点开始的广度优先排序。

注意，广度优先排序不是唯一的，但它生成的树是唯一的。

在版本 0.11.0 中添加。

参数:
csgrapharray_like 或稀疏矩阵

N x N 压缩稀疏图。输入的 csgraph 将被转换为 csr 格式以进行计算。

i_startint

起始节点的索引。

directedbool，可选

如果为 True（默认），则对有向图进行操作：仅沿路径 csgraph[i, j] 从点 i 移动到点 j。如果为 False，则在无向图上找到最短路径：算法可以沿着 csgraph[i, j] 或 csgraph[j, i] 从点 i 移动到 j。

return_predecessorsbool，可选

如果为 True（默认），则返回前驱数组（见下文）。

返回:
node_arrayndarray，一维

从指定节点开始的节点的广度优先列表。node_array 的长度是从指定节点可到达的节点数。

predecessorsndarray，一维

仅当 return_predecessors 为 True 时返回。广度优先树中每个节点的前驱长度为 N 的列表。如果节点 i 在树中，则其父节点由 predecessors[i] 给出。如果节点 i 不在树中（以及对于父节点），则 predecessors[i] = -9999。

注释

如果存在多个有效解，则输出可能因 SciPy 和 Python 版本而异。

示例

>>> from scipy.sparse import csr_matrix
>>> from scipy.sparse.csgraph import breadth_first_order

>>> graph = [
... [0, 1, 2, 0],
... [0, 0, 0, 1],
... [2, 0, 0, 3],
... [0, 0, 0, 0]
... ]
>>> graph = csr_matrix(graph)
>>> print(graph)
  (np.int32(0), np.int32(1))        1
  (np.int32(0), np.int32(2))        2
  (np.int32(1), np.int32(3))        1
  (np.int32(2), np.int32(0))        2
  (np.int32(2), np.int32(3))        3

>>> breadth_first_order(graph,0)
(array([0, 1, 2, 3], dtype=int32), array([-9999,     0,     0,     1], dtype=int32))
在此页面上