scipy.sparse.csgraph.

construct_dist_matrix#

scipy.sparse.csgraph.construct_dist_matrix(graph, predecessors, directed=True, null_value=np.inf)#

从前驱矩阵构建距离矩阵

在版本 0.11.0 中添加。

参数:
grapharray_like 或 sparse

有向或无向图的 N x N 矩阵表示。如果稠密，则非边用零或无穷大表示。

predecessorsarray_like

每个节点的前驱的 N x N 矩阵（参见下面的说明）。

directedbool，可选

如果为 True（默认），则对有向图进行操作：仅沿着路径 csgraph[i, j] 从点 i 移动到点 j。如果为 False，则对无向图进行操作：算法可以沿着 csgraph[i, j] 或 csgraph[j, i] 从点 i 移动到 j。

null_valuebool，可选

用于表示未连接节点之间距离的值。默认值为 np.inf。

返回值:
dist_matrixndarray

沿着前驱矩阵指定的路径，节点之间的距离的 N x N 矩阵。如果不存在路径，则距离为零。

说明

前驱矩阵的形式与 shortest_path 返回的相同。前驱矩阵的第 i 行包含从点 i 出发的最短路径信息：每个条目 predecessors[i, j] 给出了从点 i 到点 j 的路径中上一个节点的索引。如果点 i 和 j 之间不存在路径，则 predecessors[i, j] = -9999。

示例

>>> import numpy as np
>>> from scipy.sparse import csr_matrix
>>> from scipy.sparse.csgraph import construct_dist_matrix

>>> graph = [
... [0, 1, 2, 0],
... [0, 0, 0, 1],
... [0, 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(3))       3

>>> pred = np.array([[-9999, 0, 0, 2],
...                  [1, -9999, 0, 1],
...                  [2, 0, -9999, 2],
...                  [1, 3, 3, -9999]], dtype=np.int32)

>>> construct_dist_matrix(graph=graph, predecessors=pred, directed=False)
array([[0., 1., 2., 5.],
       [1., 0., 3., 1.],
       [2., 3., 0., 3.],
       [2., 1., 3., 0.]])
本页内容