circulant_graph

circulant_graph(n, offsets, create_using=None)

返回具有 \(n\) 个节点的循环图 \(Ci_n(x_1, x_2, ..., x_m)\)。

循环图 \(Ci_n(x_1, ..., x_m)\) 由 \(n\) 个节点 \(0, ..., n-1\) 组成，其中节点 \(i\) 与节点 \((i + x) \mod n\) 和 \((i - x) \mod n\) 相连，对于所有 \(x\) 在 \(x_1, ..., x_m\) 中。因此，\(Ci_n(1)\) 是一个环图。

(Source code, png)

Parameters:

n整数

图中的节点数。

offsets整数列表

节点偏移量列表，\(x_1\) 到 \(x_m\)，如上所述。

create_usingNetworkX 图构造函数，可选（默认=nx.Graph）

要创建的图类型。如果是图实例，则在填充之前清除。

Returns:

NetworkX 图，类型为 create_using

Examples

许多著名的图族是循环图的子族；例如，要创建 n 个点的环图，我们将每个节点与两侧的节点（偏移量加一或减一）连接。对于 n = 10，

>>> G = nx.circulant_graph(10, [1])
>>> edges = [
...     (0, 9),
...     (0, 1),
...     (1, 2),
...     (2, 3),
...     (3, 4),
...     (4, 5),
...     (5, 6),
...     (6, 7),
...     (7, 8),
...     (8, 9),
... ]
>>> sorted(edges) == sorted(G.edges())
True

类似地，我们可以使用偏移量集合 [1, 2] 创建 5 个点的完全图：

>>> G = nx.circulant_graph(5, [1, 2])
>>> edges = [
...     (0, 1),
...     (0, 2),
...     (0, 3),
...     (0, 4),
...     (1, 2),
...     (1, 3),
...     (1, 4),
...     (2, 3),
...     (2, 4),
...     (3, 4),
... ]
>>> sorted(edges) == sorted(G.edges())
True