condensation#

condensation(G, scc=None)[source]#

返回 G 的缩合图。

G 的缩合图是将每个强连通分量收缩为一个单一节点的图。

Parameters:
GNetworkX 有向图

一个有向图。

scc: 列表或生成器（可选，默认=None）

强连通分量。如果提供， scc 中的元素必须对 G 中的节点进行分区。如果没有提供，将计算为 scc=nx.strongly_connected_components(G)。

Returns:
CNetworkX 有向图

G 的缩合图 C。节点标签是 G 的强连通分量列表中组件索引的整数。C 有一个名为 ‘mapping’ 的图属性，包含一个字典，将原始节点映射到它们所属的 C 中的节点。C 中的每个节点还有一个 ‘members’ 节点属性，包含形成该节点所代表的强连通分量的原始节点集合。

Raises:
NetworkXNotImplemented

如果 G 是无向图。

Notes

将所有强连通分量收缩为一个节点后，生成的图是一个有向无环图。

Examples

将两个强连通节点集合收缩为两个不同的强连通分量，使用杠铃图。

>>> G = nx.barbell_graph(4, 0)
>>> G.remove_edge(3, 4)
>>> G = nx.DiGraph(G)
>>> H = nx.condensation(G)
>>> H.nodes.data()
NodeDataView({0: {'members': {0, 1, 2, 3}}, 1: {'members': {4, 5, 6, 7}}})
>>> H.graph["mapping"]
{0: 0, 1: 0, 2: 0, 3: 0, 4: 1, 5: 1, 6: 1, 7: 1}

将一个完全图收缩为一个单一的强连通分量。

>>> G = nx.complete_graph(7, create_using=nx.DiGraph)
>>> H = nx.condensation(G)
>>> H.nodes
NodeView((0,))
>>> H.nodes.data()
NodeDataView({0: {'members': {0, 1, 2, 3, 4, 5, 6}}})
On this page