Ctrl+K
scipy.sparse.csgraph.

depth_first_tree#

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

返回由深度优先搜索生成的树。

请注意，由深度优先搜索生成的树不是唯一的：它取决于搜索每个节点的子节点的顺序。

在 0.11.0 版本中添加。

参数：
csgraph类数组或稀疏数组或矩阵

表示压缩稀疏图的 N x N 矩阵。输入的 csgraph 将被转换为 csr 格式进行计算。

i_startint

起始节点的索引。

directedbool，可选

如果为 True (默认值)，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，则在无向图上查找最短路径：算法可以沿 csgraph[i, j] 或 csgraph[j, i] 从点 i 行进到点 j。

返回：
cstreecsr 矩阵

从 csgraph 绘制的深度优先树的 N x N 有向压缩稀疏表示，从指定的节点开始。

注意

如果存在多个有效的解决方案，则输出可能会因 SciPy 和 Python 版本而异。

示例

以下示例显示了在从节点 0 开始的简单四组件图上计算深度优先树的过程

 input graph           depth first tree from (0)

     (0)                         (0)
    /   \                           \
   3     8                           8
  /       \                           \
(3)---5---(1)               (3)       (1)
  \       /                   \       /
   6     2                     6     2
    \   /                       \   /
     (2)                         (2)

在压缩稀疏表示中，解决方案如下所示

>>> from scipy.sparse import csr_array
>>> from scipy.sparse.csgraph import depth_first_tree
>>> X = csr_array([[0, 8, 0, 3],
...                [0, 0, 2, 5],
...                [0, 0, 0, 6],
...                [0, 0, 0, 0]])
>>> Tcsr = depth_first_tree(X, 0, directed=False)
>>> Tcsr.toarray().astype(int)
array([[0, 8, 0, 0],
       [0, 0, 2, 0],
       [0, 0, 0, 6],
       [0, 0, 0, 0]])

请注意，结果图是一个跨越该图的有向无环图。与广度优先树不同，如果图包含环，则给定图的深度优先树不是唯一的。如果上述解决方案从连接节点 0 和 3 的边开始，则结果将有所不同。

在本页中