scipy.sparse.csgraph.

深度优先顺序

scipy.sparse.csgraph.depth_first_order(csgraph, i_start, directed=True, return_predecessors=True)

返回从指定节点开始的深度优先顺序。

请注意，深度优先顺序不是唯一的。此外，对于带有循环的图，深度优先搜索生成的树也不是唯一的。

Added in version 0.11.0.

参数:

csgraph类似数组或稀疏矩阵

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

i_start整数

起始节点的索引。

有向的bool, 可选

如果为 True（默认），则在有向图上操作：仅沿路径 csgraph[i, j] 从点 i 移动到点 j。如果为 False，则在无向图上找到最短路径：算法可以从点 i 到点 j 沿 csgraph[i, j] 或 csgraph[j, i] 前进。

return_predecessorsbool, 可选

如果为 True（默认），则返回前驱数组（见下文）。

返回:

node_arrayndarray，一维

从指定节点开始的深度优先节点列表。node_array 的长度是指定节点可达的节点数。

前身ndarray，一维

仅当 return_predecessors 为 True 时返回。这是一个长度为 N 的列表，包含了深度优先树中每个节点的前驱节点。如果节点 i 在树中，那么它的父节点由 predecessors[i] 给出。如果节点 i 不在树中（以及对于父节点），则 predecessors[i] = -9999。

注释

如果存在多个有效解决方案，输出可能会因 SciPy 和 Python 版本的不同而有所变化。

示例

Try it in your browser!

>>> from scipy.sparse import csr_matrix
>>> from scipy.sparse.csgraph import depth_first_order

>>> graph = [
... [0, 1, 2, 0],
... [0, 0, 0, 1],
... [2, 0, 0, 3],
... [0, 0, 0, 0]
... ]
>>> graph = csr_matrix(graph)
>>> print(graph)
<Compressed Sparse Row sparse matrix of dtype 'int64'
    with 5 stored elements and shape (4, 4)>
    Coords  Values
    (0, 1)  1
    (0, 2)  2
    (1, 3)  1
    (2, 0)  2
    (2, 3)  3

>>> depth_first_order(graph,0)
(array([0, 1, 3, 2], dtype=int32), array([-9999,     0,     0,     1], dtype=int32))

Go BackOpen In Tab