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。

Added in version 0.11.0.

参数:

csgraph类似数组或稀疏矩阵

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_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。

返回:

cstreecsr 矩阵

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

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!

以下示例展示了在一个简单的四节点图上，从节点0开始的深度优先树的计算:

 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_matrix
>>> from scipy.sparse.csgraph import depth_first_tree
>>> X = csr_matrix([[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，生成的图是一个有向无环图，它跨越了整个图。与广度优先树不同，如果给定的图包含循环，则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，结果将会有所不同。

Go BackOpen In Tab