scipy.sparse.csgraph.

reconstruct_path#

scipy.sparse.csgraph.reconstruct_path(csgraph, predecessors, directed=True)#

从图和前驱列表构建树。

在版本 0.11.0 中添加。

参数:
csgrapharray_like 或稀疏矩阵

表示从其中提取前驱的定向或非定向图的 N x N 矩阵。

predecessorsarray_like，一维

树的前驱索引的长度为 N 的数组。节点 i 的父节点索引由 predecessors[i] 给出。

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。

返回值:
cstreecsr 矩阵

从 csgraph 绘制的树的 N x N 有向压缩稀疏表示，由前驱列表编码。

示例

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

>>> 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, 1], dtype=np.int32)

>>> cstree = reconstruct_path(csgraph=graph, predecessors=pred, directed=False)
>>> cstree.todense()
matrix([[0., 1., 2., 0.],
        [0., 0., 0., 1.],
        [0., 0., 0., 0.],
        [0., 0., 0., 0.]])
本页内容